1、树的概念:
树(英文Tree):它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。把他叫做“树”是因为它看起来像一颗倒挂的树,也就是树根朝上,而树叶向下的,它具有以下的特点:
1、每个节点有零个或多个子节点:
2、没有父节点的节点称为根节点:
3、每一个非根节点有且只有一个父节点
4、除了根节点外,每个子节点可以分为多个不相交的子树:
下图就是一个典型的树的一个特征:
树的术语:
1、节点的度:一个节点含有的子树的个数称为该节点的度;
2、树的度:一棵树中,最大的节点的度称为树的度; (上图中B节点的度就是整个树的度,是三)
3、叶节点或终端节点:度为零的节点。
4、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;
5、孩子节点活子节点:一个节点含有的子树的根节点称为该节点的子节点;
6、兄弟节点:具有相同父节点的节点互称为兄弟节点;
7、节点的层次:从根节点开始定义起,根为一层,根的子节点为第二层,以此类推;
8、树的高度或深度:树中节点的最大层次;
9、堂兄弟节点:父亲节点在同一层的节点互为堂兄弟;
10、节点的祖先:从根到该节点所经分支上的所有的节点;
11、子孙:以某节点为根的子树中任意节点都称为该节点的子孙;
12、森林:由m(m>=0)棵互不相交的树的集合称为森林;
树的种类:
1.、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;
2、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;
2.1:二叉树:每个节点最多含有两个子树的树称为二叉树;
2.1.1:完全二叉树:对于一个二叉树,假设其深度d(d > 1)。除了第d层外,其他各层的节点数目均已达到最大值,且第d层所有节点从左向右连续地紧密排列,这样的二叉树呗称为完全二叉树,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;下图是一个完全二叉树!
下面是一个满二叉树的例子:
2.1.2:平衡二叉树(AVL)树:当且仅当任何节点的两颗子树的高度差不大于1的二叉树;
2.1.3:排序二叉树(二叉查找树,Binary Search Tree ,也称为二叉搜索树,有序二叉树):对于任何一个节点,节点左边的子节点都会比二叉树小,节点右边的子节点都比这个节点的值大。
2.2:霍夫曼树(用于信息编码):带全路径最短的二叉树称为哈夫曼树或最优二叉树:
2.3: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,然后在遍历速度上有一定的优势,但因所占空间较大,是非主流的二叉树,二叉树通常以链式存储。
链式存储:
2、重点关注二叉树:
二叉树的基本概念:二叉树的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”和“右子树”。
二叉树的性质:
性质1:在二叉树的第i层上至多有2^(i-1)个节点(i>0)
性质2:深度为k的二叉树至多有2^k-1(k>0)个节点
性质3:对于任意一颗二叉树,如果其叶节点数为N0,而度数为2的节点总数为N2,则N0=N2+1;
性质4:具有n个节点的完全二叉树的深度必为log2(n+1)
性质5:对完全二叉树,若从上至下、从左至右编号,则编号为i的节点,其左孩子编号必为2i,其右孩子编号必为2i+1;其双亲编号必为i/2(i=1时为根)。
代码实现树的结构:树的添加
#coding=utf8
class Node(object):
def __init__(self,item):
self.item = item
self.lchild=None
self.rchild=None
#其实这里面使用到的queue的队列情况,我们采用的是广度优先遍历的方式,是横着对树进行遍历。
class Tree(object):
"""二叉树"""
def __init__(self):
self.root = None #树的根节点
def add(self,item):
node = Node(item)
if self.root is None: #判断自己本身的根节点是否为空。如果是直接添加,退出
self.root = node
return
queue = [self.root] #定义一个队列来存储树结构中的元素
while queue: #判断终止的条件,queue中的是否为空,(这里面存在一个特殊的情况,就是当self.root为None的时候, 这个while 也是true的!在前面加一个判断)
cur_node = queue.pop(0) #当前的树的节点是列表中的第一个元素
if cur_node.lchild is None: #判断当前树的节点的左节点是否为空,如果是,就将要添加的这个节点的加入到这个树的左子树。
cur_node.lchild = node
return
else: #如果当前这个树的左节点不为空,那么就将这个左节点追加到这个queue的尾部!等待往下操作。
queue.append(cur_node.lchild)
if cur_node.rchild is Node: #判断当前树的节点的右节点是否为空,如果是,就将要添加的这个节点的加入到这个树的右子树。
cur_node.rchild =node
return
else: #如果当前这个树的右节点不为空,那么就将这个右节点追加到这个queue的尾部!等待往下操作。
queue.append(cur_node.rchild)
二叉树的遍历(先序、中序、后序)遍历:
广度优先遍历:
#广度优先遍历二叉树!其实跟我们的差不多。
def breadth_travel(self):
"""广度优先遍历"""
queue = [self.root]
if self.root is None: #如果一开始的树就是一个空树
return
while queue:
cur_node = queue.pop(0) #遍历当前树的节点。
print(cur_node)
if cur_node.lchild is not None:
queue.append(cur_node.lchild)
if cur_node.rchild is not None:
queue.append(cur_node.rchild)
深度优先遍历:三种方式:
1、先序遍历(先遍历根节点,在遍历左节点,最后遍历右节点)
2、中序遍历(先遍历左节点,在遍历中节点,最后遍历右节点)
3、后序遍历(先遍历左节点,在遍历右节点,最后遍历根节点)
def preorder(self,node):
"""先序遍历:根 --->左 ---> 右"""
if node is None:
return
#打印根节点
print(node.elem)
#递归调用遍历节点的左子树
self.preorder(node.lchild)
#递归调用遍历节点的右子树
self.preorder(node.rchild)
def inorder(self, node):
"""中序遍历:左 --->中 ---> 右"""
if node is None:
return
# 递归调用遍历节点的左子树
self.preorder(node.lchild)
# 打印根节点
print(node.elem)
# 递归调用遍历节点的右子树
self.preorder(node.rchild)
def lastorder(self, node):
"""后序遍历:左 --->右 ---> 中"""
if node is None:
return
# 递归调用遍历节点的左子树
self.preorder(node.lchild)
# 递归调用遍历节点的右子树
self.preorder(node.rchild)
# 打印根节点
print(node.elem)
还一个问题给我们一个数列! 让我们确定一棵树怎么确定呢?在这里我们需要注意的是! 给我们其中任意的两种树的遍历方式,我们就能写出来!给出的这两种数的遍历方式,其中必须有一个是中序遍历,然后另外一个是前序或者是后序都可以,但是仅仅给一个中序或者是前序是确定不了一颗树的。