目录
一、二叉树入门
之前我们实现的符号表中，不难看出，符号表的增删查操作，随着元素个数N的增多，其耗时也是线性增多的，时间复杂度都是O(n),为了提高运算效率，接下来我们学习树这种数据结构。
1.1树的基本定义
树是我们计算机中非常重要的一种数据结构，同时使用树这种数据结构，可以描述现实生活中的很多事物，例如家谱、单位的组织架构、等等。
树是由n（n>=1）个有限结点组成一个具有层次关系的集合。 把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。
树具有以下特点：
1.每个结点有零个或多个子结点；
2.没有父结点的结点为根结点；
3.每一个非根结点只有一个父结点；
4.每个结点及其后代结点整体上可以看做是一棵树，称为当前结点的父结点的一个子树；
1.2 树的相关术语
结点的度：
一个结点含有的子树的个数称为该结点的度；
叶结点：
度为 0 的结点称为叶结点，也可以叫做终端结点
分支结点：
度不为 0 的结点称为分支结点，也可以叫做非终端结点
结点的层次：
从根结点开始，根结点的层次为 1 ，根的直接后继层次为 2 ，以此类推
结点的层序编号：
将树中的结点，按照从上层到下层，同层从左到右的次序排成一个线性序列，把他们编成连续的自然数。
树的度：
树中所有结点的度的最大值
树的高度(深度)：
树中结点的最大层次
森林：
m（m>=0）个互不相交的树的集合，将一颗非空树的根结点删去，树就变成一个森林；给森林增加一个统一的根结点，森林就变成一棵树
孩子结点（子结点）：
一个结点的直接后继结点称为该结点的孩子结点
双亲结点(父结点)：
一个结点的直接前驱称为该结点的双亲结点
兄弟结点：
同一双亲结点的孩子结点间互称兄弟结点
1.3 二叉树的基本定义
二叉树就是度不超过 2 的树(每个结点最多有两个子结点)
满二叉树：
一个二叉树，如果每一个层的结点数都达到最大值，则这个二叉树就是满二叉树。
每一层的结点个数为：2的（k-1）次方
完全二叉树：
叶节点只能出现在最下层和次下层，并且最下面一层的结点都集中在该层最左边的若干位置的二叉树
1.4 二叉查找树的创建（链表实现）
1.4.1二叉树的结点类
根据对图的观察，我们发现二叉树其实就是由一个一个的结点及其之间的关系组成的，按照面向对象的思想，我们设计一个结点类来描述结点这个事物。
结点类API设计：
代码实现：
private class Node<Key,Value>{
//存储键
public Key key;
//存储值
private Value value;
//记录左子结点
public Node left;
//记录右子结点
public Node right;
public Node(Key key, Value value, Node left, Node right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}
1.4.2 二叉查找树API设计
1.4.3 二叉查找树实现
插入方法put实现思想：
- 如果当前树中没有任何一个结点，则直接把新结点当做根结点使用
- 如果当前树不为空，则从根结点开始：
- 如果新结点的key小于当前结点的key，则继续找当前结点的左子结点；
- 如果新结点的key大于当前结点的key，则继续找当前结点的右子结点；
- 如果新结点的key等于当前结点的key，则树中已经存在这样的结点，替换该结点的value值即可。
查询方法get实现思想：
从根节点开始：
- 如果要查询的key小于当前结点的key，则继续找当前结点的左子结点；
- 如果要查询的key大于当前结点的key，则继续找当前结点的右子结点；
- 如果要查询的key等于当前结点的key，则树中返回当前结点的value。
删除方法delete实现思想：
- 找到被删除结点；
- 找到被删除结点右子树中的最小结点minNode
- 删除右子树中的最小结点
- 让被删除结点的左子树成为最小结点minNode的左子树，让被删除结点的右子树成为最小结点minNode的右子树
- 让被删除结点的父节点指向最小结点minNode
代码：
public class BinaryTree<Key, Value> {
//记录根结点
private Node root;
//记录树中元素的个数
private int N;
private class Node {
//存储键
public Key key;
//存储值
private Value value;
//记录左子结点
public Node left;
//记录右子结点
public Node right;
public Node(Key key, Value value, Node left, Node right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}
//获取树中元素的个数
public int size() {
return N;
}
//向树中添加元素key-value
public void put(Key key, Value value) {
root = put(root, key, value);
}
//向指定的树x中添加key-value,并返回添加元素后新的树
private Node put(Node x, Key key, Value value) {
//如果x子树为空，
if (x==null){
N++;
return new Node(key,value, null,null);
}
//如果x子树不为空
//比较x结点的键和key的大小：
int cmp = key.compareTo(x.key);
if (cmp>0){
//如果key大于x结点的键，则继续找x结点的右子树
x.right = put(x.right,key,value);
}else if(cmp<0){
//如果key小于x结点的键，则继续找x结点的左子树
x.left = put(x.left,key,value);
}else{
//如果key等于x结点的键，则替换x结点的值为value即可
x.value = value;
}
return x;
}
//查询树中指定key对应的value
public Value get(Key key) {
return get(root,key);
}
//从指定的树x中，查找key对应的值
public Value get(Node x, Key key) {
//x树为null
if (x==null){
return null;
}
//x树不为null
//比较key和x结点的键的大小
int cmp = key.compareTo(x.key);
if (cmp>0){
//如果key大于x结点的键，则继续找x结点的右子树
return get(x.right,key);
}else if(cmp<0){
//如果key小于x结点的键，则继续找x结点的左子树
return get(x.left,key);
}else{
//如果key等于x结点的键，就找到了键为key的结点，只需要返回x结点的值即可
return x.value;
}
}
//删除树中key对应的value
public void delete(Key key) {
delete(root, key);
}
// 重载的方法delete
//删除指定树x中的key对应的value，并返回删除后的新树
public Node delete(Node x, Key key) {
//x树为null，直接返回null即可
if (x==null){
return null;
}
//x树不为null，比较key和x结点的键的大小
int cmp = key.compareTo(x.key);
if (cmp>0){ // 递归调用重载delete方法
//如果key大于x结点的键，则继续找x结点的右子树
x.right = delete(x.right,key);
}else if(cmp<0){ // 递归调用重载delete方法
//如果key小于x结点的键，则继续找x结点的左子树
x.left = delete(x.left,key);
}else{ //真正删除的动作
//如果key等于x结点的键，完成真正的删除结点动作，要删除的结点就是x；
//让元素个数-1，一开始就减一
N--;
//得找到右子树中最小的结点，三种情况
//第一种
if (x.right==null){
return x.left;
}
//第二种
if (x.left==null){
return x.right;
}
//第三种
Node minNode = x.right;
while(minNode.left!=null){
minNode = minNode.left;
}
//接着就是删除右子树中最小的结点
Node n = x.right;
while(n.left!=null){
if (n.left.left==null){
n.left=null;
}else{
//变换n结点即可
n = n.left;
}
}
//让x结点的左子树成为minNode的左子树
minNode.left = x.left;
//让x结点的右子树成为minNode的右子树
minNode.right = x.right;
//让x结点的父结点指向minNode
x = minNode;
}
return x; // ！！！技巧：返回X就可以让x结点的父结点指向minNode,原因在于是递归调用
}
}
// 测试类
public class BinaryTreeTest {
public static void main(String[] args) {
//创建二叉查找树对象
BinaryTree<Integer, String> tree = new BinaryTree<>();
//测试插入
tree.put(1,"张三");
tree.put(2,"李四");
tree.put(3,"王五");
System.out.println("插入完毕后元素的个数："+tree.size());
//测试获取
System.out.println("键2对应的元素是："+tree.get(2));
//测试删除
tree.delete(3);
System.out.println("删除后的元素个数："+tree.size());
System.out.println("删除后键3对应的元素:"+tree.get(3));
}
}
1.4.4 二叉查找树其他便捷方法
1.4.4.1 查找二叉树中最小的键
在某些情况下，我们需要查找出树中存储所有元素的键的最小值，比如我们的树中存储的是学生的排名和姓名数据，那么需要查找出排名最低是多少名？这里我们设计如下两个方法来完成：
| public Key min() | 找出树中最小的键 |
|---|---|
| private Node min(Node x) | 找出指定树x中，最小键所在的结点 |
//查找整个树中最小的键
public Key min(){
return min(root).key;
}
//在指定树x中找出最小键所在的结点
private Node min(Node x){
//需要判断x还有没有左子结点，如果有，则继续向左找，如果没有，则x就是最小键所在的结点
if (x.left!=null){
return min(x.left);
}else{
return x;
}
}
1.4.4.2 查找二叉树中最大的键
在某些情况下，我们需要查找出树中存储所有元素的键的最大值，比如比如我们的树中存储的是学生的成绩和学生的姓名，那么需要查找出最高的分数是多少？这里我们同样设计两个方法来完成：
| public Key max() | 找出树中最大的键 |
|---|---|
| public Node max(Node x) | 找出指定树x中，最大键所在的结点 |
//在整个树中找到最大的键
public Key max(){
return max(root).key;
}
//在指定的树x中，找到最大的键所在的结点
public Node max(Node x){
//判断x还有没有右子结点，如果有，则继续向右查找，如果没有，则x就是最大键所在的结点
if (x.right!=null){
return max(x.right);
}else{
return x;
}
}
1.5 二叉树的基础遍历
实现思想：深度优先
很多情况下，我们可能需要像遍历数组数组一样，遍历树，从而拿出树中存储的每一个元素，由于树状结构和线性结构不一样，它没有办法从头开始依次向后遍历，所以存在如何遍历，也就是按照什么样的搜索路径进行遍历的问题。
我们把树简单的画作上图中的样子，由一个根节点、一个左子树、一个右子树组成，那么按照根节点什么时候被访问，我们可以把二叉树的遍历分为以下三种方式：
- 前序遍历；
先访问根结点，然后再访问左子树，最后访问右子树 - 中序遍历；
先访问左子树，中间访问根节点，最后访问右子树 - 后序遍历；
先访问左子树，再访问右子树，最后访问根节点如果我们分别对下面的树使用三种遍历方式进行遍历，得到的结果如下：
1.5.1 前序遍历
我们在4.4中创建的树上，添加前序遍历的API：
| public Queue preErgodic() | 使用前序遍历，获取整个树中的所有键 |
|---|---|
| private void preErgodic(Node x,Queue keys) | 使用前序遍历，把指定树x中的所有键放入到keys队列中 |
实现过程中，我们通过前序遍历，把,把每个结点的键取出，放入到队列中返回即可。
实现步骤：
- 把当前结点的key放入到队列中;
- 找到当前结点的左子树，如果不为空，递归遍历左子树
- 找到当前结点的右子树，如果不为空，递归遍历右子树
代码：
//获取整个树中所有的键
public Queue<Key> preErgodic(){
Queue<Key> keys = new Queue<>();
preErgodic(root, keys);
return keys;
}
//获取指定树x的所有键，并放到keys队列中
private void preErgodic(Node x,Queue<Key> keys){
if (x==null){
return;
}
//把x结点的key放入到keys中
keys.enqueue(x.key);
//递归遍历x结点的左子树
if (x.left!=null){
preErgodic(x.left,keys);
}
//递归遍历x结点的右子树
if (x.right!=null){
preErgodic(x.right,keys);
}
}
// 测试类
public static void main(String[] args) {
//创建树对象
BinaryTree<String, String> tree = new BinaryTree<>();
//往树中添加数据
tree.put("E", "5");
tree.put("B", "2");
tree.put("G", "7");
tree.put("A", "1");
tree.put("D", "4");
tree.put("F", "6");
tree.put("H", "8");
tree.put("C", "3");
//遍历
Queue<String> keys = tree.preErgodic();
for (String key : keys) {
String value = tree.get(key);
System.out.println(key+"----"+value);
}
}
1.5.2 中序遍历（最重要的一种方式）
我们在4.4中创建的树上，添加前序遍历的API：
| public Queue midErgodic() | 使用中序遍历，获取整个树中的所有键 |
|---|---|
| private void midErgodic(Node x,Queue keys) | 使用中序遍历，把指定树x中的所有键放入到keys队列中 |
实现步骤：
- 找到当前结点的左子树，如果不为空，递归遍历左子树
- 把当前结点的key放入到队列中;
- 找到当前结点的右子树，如果不为空，递归遍历右子树
代码：
//使用中序遍历，获取指定树x中所有的键，并存放到key中
private void midErgodic(Node x,Queue<Key> keys){
if (x==null){
return;
}
//先递归，把左子树中的键放到keys中
if (x.left!=null){
midErgodic(x.left,keys);
}
//把当前结点x的键放到keys中
keys.enqueue(x.key);
//在递归，把右子树中的键放到keys中
if(x.right!=null){
midErgodic(x.right,keys);
}
}
// 测试
public static void main(String[] args) {
//创建树对象
BinaryTree<String, String> tree = new BinaryTree<>();
//往树中添加数据
tree.put("E", "5");
tree.put("B", "2");
tree.put("G", "7");
tree.put("A", "1");
tree.put("D", "4");
tree.put("F", "6");
tree.put("H", "8");
tree.put("C", "3");
//遍历
Queue<String> keys = tree.midErgodic();
for (String key : keys) {
String value = tree.get(key);
System.out.println(key+"----"+value);
}
}
1.5.3 后序遍历
我们在4.4中创建的树上，添加前序遍历的API：
public Queue afterErgodic()：使用后序遍历，获取整个树中的所有键
private void afterErgodic(Node x,Queue keys)：使用后序遍历，把指定树x中的所有键放入到keys队列中
实现步骤：
- 找到当前结点的左子树，如果不为空，递归遍历左子树
- 找到当前结点的右子树，如果不为空，递归遍历右子树
- 把当前结点的key放入到队列中;
代码：
//使用后序遍历，把整个树中所有的键返回
public Queue<Key> afterErgodic(){
Queue<Key> keys = new Queue<>();
afterErgodic(root,keys);
return keys;
}
//使用后序遍历，把指定树x中所有的键放入到keys中
private void afterErgodic(Node x,Queue<Key> keys){
if (x==null){
return ;
}
//通过递归把左子树中所有的键放入到keys中
if (x.left!=null){
afterErgodic(x.left,keys);
}
//通过递归把右子树中所有的键放入到keys中
if (x.right!=null){
afterErgodic(x.right,keys);
}
//把x结点的键放入到keys中
keys.enqueue(x.key);
}
//测试
public static void main(String[] args) {
//创建树对象
BinaryTree<String, String> tree = new BinaryTree<>();
//往树中添加数据
tree.put("E", "5");
tree.put("B", "2");
tree.put("G", "7");
tree.put("A", "1");
tree.put("D", "4");
tree.put("F", "6");
tree.put("H", "8");
tree.put("C", "3");
//遍历
Queue<String> keys = tree.afterErgodic();
for (String key : keys) {
String value = tree.get(key);
System.out.println(key+"----"+value);
}
}
1.6 二叉树的层序遍历（高级遍历）
实现思想：广度优先
所谓的层序遍历，就是从根节点（第一层）开始，依次向下，获取每一层所有结点的值 （从上到下，从左到右） ，有二叉树如下：
那么层序遍历的结果是：EBGADFHC
我们在4.4中创建的树上，添加层序遍历的API：
public Queue<Key> layerErgodic()：使用层序遍历，获取整个树中的所有键
实现步骤：
- 创建队列，存储每一层的结点；
- 使用循环从队列中弹出一个结点：
- 获取当前结点的key；
- 如果当前结点的左子结点不为空，则把左子结点放入到队列中
- 如果当前结点的右子结点不为空，则把右子结点放入到队列中
代码：
//使用层序遍历，获取整个树中所有的键
public Queue<Key> layerErgodic(){
//定义两个队列，分别存储树中的键和树中的结点
Queue<Key> keys = new Queue<>();
Queue<Node> nodes = new Queue<>();
//默认，往队列中放入根结点
nodes.enqueue(root);
while(!nodes.isEmpty()){
//从队列中弹出一个结点，把key放入到keys中
Node n = nodes.dequeue();
keys.enqueue(n.key);
//判断当前结点还有没有左子结点，如果有，则放入到nodes中
if (n.left!=null){
nodes.enqueue(n.left);
}
//判断当前结点还有没有右子结点，如果有，则放入到nodes中
if (n.right!=null){
nodes.enqueue(n.right);
}
}
return keys;
}
// 测试
public static void main(String[] args) {
//创建树对象
BinaryTree<String, String> tree = new BinaryTree<>();
//往树中添加数据
tree.put("E", "5");
tree.put("B", "2");
tree.put("G", "7");
tree.put("A", "1");
tree.put("D", "4");
tree.put("F", "6");
tree.put("H", "8");
tree.put("C", "3");
//遍历
Queue<String> keys = tree.layerErgodic();
for (String key : keys) {
String value = tree.get(key);
System.out.println(key+"----"+value);
}
}
1.7 二叉树的最大深度问题（案例一）
需求：
给定一棵树，请计算树的最大深度（树的根节点到最远叶子结点的最长路径上的结点数）;
上面这棵树的最大深度为 4 。
实现：
我们在1.4中创建的树上，添加如下的API求最大深度：
| public int maxDepth() | 计算整个树的最大深度 |
|---|---|
| private int maxDepth(Node x) | 计算指定树x的最大深度 |
实现步骤：
- 如果根结点为空，则最大深度为 0 ；
- 计算左子树的最大深度；
- 计算右子树的最大深度；
- 当前树的最大深度=左子树的最大深度和右子树的最大深度中的较大者+1
代码：
//获取整个树的最大深度
public int maxDepth(){
return maxDepth(root);
}
//获取指定树x的最大深度
private int maxDepth(Node x){
if (x==null){
return 0;
}
//x的最大深度
int max=0;
//左子树的最大深度
int maxL=0;
//右子树的最大深度
int maxR=0;
//计算x结点左子树的最大深度
if (x.left!=null){
maxL = maxDepth(x.left);
}
//计算x结点右子树的最大深度
if (x.right!=null){
maxR = maxDepth(x.right);
}
//比较左子树最大深度和右子树最大深度，取较大值+1即可
max = maxL>maxR?maxL+1:maxR+1;
return max;
}
//测试类
public class BinaryTreeMaxDepthTest {
public static void main(String[] args) {
//创建树对象
BinaryTree<String, String> tree = new BinaryTree<>();
//往树中添加数据
tree.put("E", "5");
tree.put("B", "2");
tree.put("G", "7");
tree.put("A", "1");
tree.put("D", "4");
tree.put("F", "6");
tree.put("H", "8");
tree.put("C", "3");
int maxDepth = tree.maxDepth();
System.out.println(maxDepth);
}
}
1.8 折纸问题（案例二）
需求：
请把一段纸条竖着放在桌子上，然后从纸条的下边向上方对折 1 次，压出折痕后展开。此时 折痕是凹下去的，即折痕突起的方向指向纸条的背面。如果从纸条的下边向上方连续对折 2 次，压出折痕后展开，此时有三条折痕，从上到下依次是下折痕、下折痕和上折痕。
给定一 个输入参数N，代表纸条都从下边向上方连续对折N次，请从上到下打印所有折痕的方向 例如：N=1时，打印： down；N=2时，打印： down down up
分析：
我们把对折后的纸张翻过来，让粉色朝下，这时把第一次对折产生的折痕看做是根结点，那第二次对折产生的下折痕就是该结点的左子结点，而第二次对折产生的上折痕就是该结点的右子结点，这样我们就可以使用树型数据结构来描述对折后产生的折痕。
这棵树有这样的特点：
- 根结点为下折痕；
- 每一个结点的左子结点为下折痕；
- 每一个结点的右子结点为上折痕；
实现步骤：
- 定义结点类
- 构建深度为N的折痕树；
- 使用中序遍历，打印出树中所有结点的内容；
构建深度为N的折痕树：
- 第一次对折，只有一条折痕，创建根结点；
- 如果不是第一次对折，则使用队列保存根结点；
- 循环遍历队列：
- 从队列中拿出一个结点；
- 如果这个结点的左子结点不为空，则把这个左子结点添加到队列中；
- 如果这个结点的右子结点不为空，则把这个右子结点添加到队列中；
- 判断当前结点的左子结点和右子结点都不为空，如果是，则需要为当前结点创建一个值为down的左子结点，一个值为up的右子结点。
代码：
public class PagerFoldingTest {
public static void main(String[] args) {
//模拟这只过程，产生树
Node<String> tree = createTree(2);
//遍历树，打印每个结点
printTree(tree);
}
//通过模拟对折N次纸，产生树
public static Node<String> createTree(int N){
//定义根结点
Node<String> root=null;
for (int i = 0; i < N; i++) {
//1.当前是第一次对折
if (i==0){
root = new Node<>("down",null,null);
continue;
}
//2.当前不是第一次对折
//定义一个辅助队列，通过层序遍历的思想，找到叶子结点，叶子结点添加子节点
Queue<Node> queue = new Queue<>();
queue.enqueue(root);
//循环遍历队列
while(!queue.isEmpty()){
//从队列中弹出一个结点
Node<String> tmp = queue.dequeue();
//如果有左子结点，则把左子结点放入到队列中
if (tmp.left!=null){
queue.enqueue(tmp.left);
}
//如果有右子结点，则把右子结点放入到队列中
if (tmp.right!=null){
queue.enqueue(tmp.right);
}
//如果同时没有左子结点和右子结点，那么证明该节点是叶子结点，只需要给该节点添加左子结点和右子结点即可
if (tmp.left==null && tmp.right==null){
tmp.left = new Node<String>("down", null,null);
tmp.right = new Node<String>("up",null,null);
}
}
}
return root;
}
//打印树中每个结点到控制台
public static void printTree(Node<String> root){
//需要使用中序遍历完成
if (root==null){
return;
}
//打印左子树的每个结点
if (root.left!=null){
printTree(root.left);
}
//打印当前结点
System.out.print(root.item+" ");
//打印右子树的每个结点
if (root.right!=null){
printTree(root.right);
}
}
//结点类
private static class Node<T>{
public T item;//存储元素
public Node left;
public Node right;
public Node(T item, Node left, Node right) {
this.item = item;
this.left = left;
this.right = right;
}
}
}
扫一扫
375
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
