树
树的概念
- 树的特点
【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; - 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;
【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;
【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:从根开始定义起,根为第1层,根的子节点为第2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节点;
【11】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。
【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;
【3】二叉树:每个节点最多含有两个子树的树称为二叉树;
【4】完全二叉树:对于一颗二叉树,假设其深度为d(d>1)。最底层外,其它各层的节点数目均已达最大值,且最底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;
完全二叉树
满二叉树
【5】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;
【6】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);
【7】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;
【8】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。 - 树的存储方式
【1】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。
【2】链式存储:由于对节点的个数无法掌握,常见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
二叉树
- 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
性质1: 在二叉树的第i层上至多有2^(i-1)个结点(i>0)
性质2: 深度为k的二叉树至多有2^k - 1个结点(k>0)
性质3: 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;
性质4:具有n个结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) - 二叉树的代码实现
class Node(object):
"""节点类"""
def __init__(self, elem=-1, lchild=None, rchild=None):
self.elem = elem
self.lchild = lchild
self.rchild = rchild
class Tree(object):
"""树类"""
def __init__(self, root=None):
self.root = root
def add(self, elem):
"""为树添加节点"""
node = Node(elem)
#如果树是空的,则对根节点赋值
if self.root == None:
self.root = node
else:
queue = []
queue.append(self.root)
#对已有的节点进行层次遍历
while queue:
#弹出队列的第一个元素
cur = queue.pop(0)
if cur.lchild == None:
cur.lchild = node
return
elif cur.rchild == None:
cur.rchild = node
return
else:
#如果左右子树都不为空,加入队列继续判断
queue.append(cur.lchild)
queue.append(cur.rchild)
二叉树的遍历
- 广度优先遍历(层次遍历)
def breadth_travel(self, root):
"""利用队列实现树的层次遍历"""
if root == None:
return
queue = []
queue.append(root)
while queue:
node = queue.pop(0)
print node.elem,
if node.lchild != None:
queue.append(node.lchild)
if node.rchild != None:
queue.append(node.rchild)
- 深度优先遍历
- 先序遍历
def preorder(self, root):
"""递归实现先序遍历"""
if root == None:
return
print root.elem
self.preorder(root.lchild)
self.preorder(root.rchild)
- 中序遍历
def inorder(self, root):
"""递归实现中序遍历"""
if root == None:
return
self.inorder(root.lchild)
print root.elem
self.inorder(root.rchild)
- 后序遍历
def postorder(self, root):
"""递归实现后续遍历"""
if root == None:
return
self.postorder(root.lchild)
self.postorder(root.rchild)
print root.elem
来源:CSDN
作者:smalllllerr
链接:https://blog.csdn.net/Tracy19970428/article/details/104563330