用Python生成二叉树

最新推荐文章于 2022-11-02 18:42:56 发布

Code Life

最新推荐文章于 2022-11-02 18:42:56 发布

阅读量2.8k

点赞数 3

分类专栏： Python 文章标签： python数据结构 python二叉树 python树结构

本文链接：https://blog.csdn.net/wumingid/article/details/88959324

版权

Python 专栏收录该内容

44 篇文章 0 订阅

订阅专栏

树的概念

树（英语：tree）是⼀种抽象数据类型（ADT）或是实作这种抽象数据类型的数据结构，⽤来模拟具有树状结构性质的数据集合。它是由n（n>=1）个有限节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。它具有以下的特点：
⚪ 每个节点有零个或多个⼦节点；
⚪ 没有⽗节点的节点称为根节点；
⚪ 每⼀个⾮根节点有且只有⼀个⽗节点；
⚪ 除了根节点外，每个⼦节点可以分为多个不相交的⼦树；

树的术语

节点的度：⼀个节点含有的⼦树的个数称为该节点的度；
树的度：⼀棵树中，最⼤的节点的度称为树的度；
叶节点或终端节点：度为零的节点；
⽗亲节点或⽗节点：若⼀个节点含有⼦节点，则这个节点称为其⼦节点的⽗节点；
孩⼦节点或⼦节点：⼀个节点含有的⼦树的根节点称为该节点的⼦节点；
兄弟节点：具有相同⽗节点的节点互称为兄弟节点；
节点的层次：从根开始定义起，根为第1层，根的⼦节点为第2层，以此类推；
树的⾼度或深度：树中节点的最⼤层次；
堂兄弟节点：⽗节点在同⼀层的节点互为堂兄弟；
节点的祖先：从根到该节点所经分⽀上的所有节点；
⼦孙：以某节点为根的⼦树中任⼀节点都称为该节点的⼦孙。
森林：由m（m>=0）棵互不相交的树的集合称为森林；

树的种类

⽆序树：树中任意节点的⼦节点之间没有顺序关系，这种树称为⽆序树，也称为⾃由树；
有序树：树中任意节点的⼦节点之间有顺序关系，这种树称为有序树；
⼆叉树：每个节点最多含有两个⼦树的树称为⼆叉树；
完全⼆叉树：对于⼀颗⼆叉树，假设其深度为d(d>1)。除了第d 层外，其它各层的节点数⽬均已达最⼤值，且第d层所有节点从左向右连续地紧密排列，这样的⼆叉树被称为完全⼆叉树，其中满⼆叉树的定义是所有叶节点都在最底层的完全⼆叉树;
平衡⼆叉树（AVL树）：当且仅当任何节点的两棵⼦树的⾼度差不⼤于1的⼆叉树；
排序⼆叉树（⼆叉查找树（英语：Binary Search Tree），也称⼆叉搜索树、有序⼆叉树）；
霍夫曼树（⽤于信息编码）：带权路径最短的⼆叉树称为哈夫曼树或最优⼆叉树；
B树：⼀种对读写操作进⾏优化的⾃平衡的⼆叉查找树，能够保持数据有序，拥有多余两个⼦树。

树的存储与表示

顺序存储
将数据结构存储在固定的数组中，然在遍历速度上有⼀定的优势，但因所占空间⽐较⼤，是⾮主流⼆叉树。⼆叉树通常以链式存储。

链式存储
由于对节点的个数⽆法掌握，常⻅树的存储表示都转换成⼆叉树进⾏处理，⼦节点个数最多为2

常⻅的⼀些树的应⽤场景

xml，html等，那么编写这些东⻄的解析器的时候，不可避免⽤到树
路由协议就是使⽤了树的算法
mysql数据库索引
⽂件系统的⽬录结构
所以很多经典的AI算法其实都是树搜索，此外机器学习中的decision tree也是树结构

二叉树

⼆叉树的基本概念

⼆叉树是每个节点最多有两个⼦树的树结构。通常⼦树被称作“左⼦树”（left subtree）和“右⼦树”（right subtree）

⼆叉树的性质(特性)

在⼆叉树的第i层上⾄多有2^(i-1)个结点（i>0）
深度为k的⼆叉树⾄多有2^k - 1个结点（k>0）
对于任意⼀棵⼆叉树，如果其叶结点数为N0，⽽度数为2的结点总数为N2，则N0=N2+1;
具有n个结点的完全⼆叉树的深度必为 log2(n+1)
对完全⼆叉树，若从上⾄下、从左⾄右编号，则编号为i 的结点，其左孩⼦编号必为2i，其右孩⼦编号必为2i＋1；其双亲的编号必为i/2（i＝1 时为根,除外）

完全⼆叉树——若设⼆叉树的⾼度为h，除第 h 层外，其它各层 (1～ h-1) 的结点数都达到最⼤个数，第h层有叶⼦结点，并且叶⼦结点都是从左到右依次排布，这就是完全⼆叉树。

)满⼆叉树——除了叶结点外每⼀个结点都有左右⼦叶且叶⼦结点都处在最底层的⼆叉树。

⼆叉树的节点表示以及树的创建

通过使⽤Node类中定义三个属性，分别为elem本身的值，还有lchild左孩⼦和rchild右孩⼦

class Node:
    """节点类"""
    def __init__(self, item):
        self.item = item
        self.lchild = None
        self.rchild = None

树的创建,创建⼀个树的类，并给⼀个root根节点，⼀开始为空，随后添加节点

二叉树的遍历

树的遍历是树的⼀种重要的运算。所谓遍历是指对树中所有结点的信息的访问，即依次对树中每个结点访问⼀次且仅访问⼀次，我们把这种对所有节点的访问称为遍历（traversal）。那么树的两种重要的遍历模式是深度优先遍历和⼴度优先遍历,深度优先⼀般⽤递归，⼴度优先⼀般⽤队列。⼀般情况下能⽤递归实现的算法⼤部分也能⽤堆栈来实现。

深度优先遍历

对于⼀颗⼆叉树，深度优先搜索(Depth First Search)是沿着树的深度遍历树的节点，尽可能深的搜索树的分⽀。那么深度遍历有重要的三种⽅法。这三种⽅式常被⽤于访问树的节点，它们之间的不同在于访问每个节点的次序不同。这三种遍历分别叫做先序遍历（preorder），中序遍历（inorder）和后序遍历（postorder）。我们来给出它们的详细定义，然后举例看看它们的应⽤。

先序遍历在先序遍历中，我们先访问根节点，然后递归使⽤先序遍历访问左⼦树，再递归使⽤先序遍历访问右⼦树根节点->左⼦树->右⼦树
中序遍历在中序遍历中，我们递归使⽤中序遍历访问左⼦树，然后访问根节点，最后再递归使⽤中序遍历访问右⼦树左⼦树->根节点->右⼦树
后序遍历在后序遍历中，我们先递归使⽤后序遍历访问左⼦树和右⼦树，最后访问根节点左⼦树->右⼦树->根节点

⼴度优先遍历(层次遍历)

从树的root开始，从上到下从从左到右遍历整个树的节点

代码实现

class Node:
    """节点类"""
    def __init__(self, item):
        self.item = item
        self.lchild = None
        self.rchild = None


class BinaryTree:
    """二叉树"""
    def __init__(self, node=None):
        self.root = node

    def add(self, item):
        """广度优先遍历方式添加节点"""
        if self.root is None:
            self.root = Node(item)
        else:
            queue = list()
            queue.append(self.root)

            while len(queue) > 0:
                node = queue.pop(0)
                if not node.lchild:
                    node.lchild = Node(item)
                    return
                else:
                    queue.append(node.lchild)
                if not node.rchild:
                    node.rchild = Node(item)
                    return
                else:
                    queue.append(node.rchild)

    def breadh_travel(self):
        """广度优先遍历"""
        if self.root is None:
            return
        queue = list()
        queue.append(self.root)
        while len(queue) > 0:
            node = queue.pop(0)
            print(node.item, end=" ")
            if node.lchild:
                queue.append(node.lchild)
            if node.rchild:
                queue.append(node.rchild)

    def preorder_travel(self, root):
        """先序 根 左 右"""
        if root:
            print(root.item, end=" ")
            self.preorder_travel(root.lchild)
            self.preorder_travel(root.rchild)

    def inorder_travel(self, root):
        """中序 左 根 右"""
        if root:
            self.inorder_travel(root.lchild)
            print(root.item, end=" ")
            self.inorder_travel(root.rchild)

    def postorder_travel(self, root):
        """后序 左 右 根"""
        if root:
            self.postorder_travel(root.lchild)
            self.postorder_travel(root.rchild)
            print(root.item, end=" ")


if __name__ == '__main__':
    tree = BinaryTree()
    tree.add(0)
    tree.add(1)
    tree.add(2)
    tree.add(3)
    tree.add(4)
    tree.add(5)
    tree.add(6)
    tree.add(7)
    tree.add(8)
    tree.add(9)
    tree.breadh_travel()
    print("")
    tree.preorder_travel(tree.root)
    print("")
    tree.inorder_travel(tree.root)
    print("")
    tree.postorder_travel(tree.root)
    print("")