数据结构与算法笔记(十四)—— 二叉树及二叉树遍历
Posted 别呀
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据结构与算法笔记(十四)—— 二叉树及二叉树遍历相关的知识,希望对你有一定的参考价值。
一、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、二叉树的性质(特性)
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 个节点(k>0)
性质 3: 对于任意一棵二叉树,如果其叶节点数为 N0,而度数为 2 的结点总数为 N2, 则 N0=N2+1;
性质 4:具有 n 个节点的完全二叉树的深度必为 log2(n+1) (以2为底)
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)
三、二叉树的节点及树的创建
3.1、节点的创建
class Node(object):
"""节点类"""
def __init__(self, elem=-1, lchild=None, rchild=None):
self.elem = elem
self.lchild = lchild
self.rchild = rchild
3.2、树的创建
class Tree(object):
'''树类'''
def __init__(self):
self.root = None
def add(self,elem):
'''为树添加结点'''
node = Node(elem)
if self.root is None:
self.root = node
return
queue = [self.root]
while queue:
# 弹出队列的第一个元素
cur_node = queue.pop(0)
if cur_node.lchild is None:
cur_node.lchild = node
return
else:
queue.append(cur_node.lchild)
if cur_node.rchild is None:
cur_node.rchild = None
return
else:
queue.append(cur_node.rchild)
四、二叉树遍历
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。
4.1、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:
def breadth_travel(self):
"""利用队列实现树的层次遍历"""
if self.root is None:
return
queue = [self.root]
while queue:
cur_node = queue.pop(0)
print(cur_node.elem)
if cur_node.lchild is not None:
queue.append(cur_node.lchild)
if cur_node.rchild is not None:
queue.append(cur_node.rchild)
4.2、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。
补充小知识:
在已知中序遍历和先序遍历(或者中序遍历和后序遍历)结果时,我们可以推导出树的结构(注意必须知道中序遍历结果,否则是没法推导的)
4.2.1、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
代码:
def preorder(self,node):
'''先序遍历'''
if node is None:
return
print(node.elem, end=' ')
self.preorder(node.lchild)
self.preorder(node.rchild)
4.2.2、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
代码:
def inorder(self,node):
'''中序遍历'''
if node is None:
return
self.inorder(node.lchild)
print(node.elem, end=' ')
self.inorder(node.rchild)
4.2.3、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
代码:
def postorder(self,node):
'''后序遍历'''
if node is None:
return
self.postorder(node.lchild)
self.postorder(node.rchild)
print(node.elem, end=' ')
4.3、完整代码遍历测试
class Node(object):
"""节点类"""
def __init__(self, elem):
self.elem = elem
self.lchild = None
self.rchild = None
class Tree(object):
def __init__(self):
self.root = None
def add(self,elem):
'''为树添加结点'''
node = Node(elem)
if self.root is None:
self.root = node
return
queue = [self.root]
while queue:
# 弹出队列的第一个元素
cur_node = queue.pop(0)
if cur_node.lchild is None:
cur_node.lchild = node
return
else:
queue.append(cur_node.lchild)
if cur_node.rchild is None:
cur_node.rchild = node
return
else:
queue.append(cur_node.rchild)
def preorder(self,node):
'''先序遍历'''
if node is None:
return
print(node.elem, end=' ')
self.preorder(node.lchild)
self.preorder(node.rchild)
def inorder(self,node):
'''中序遍历'''
if node is None:
return
self.inorder(node.lchild)
print(node.elem, end=' ')
self.inorder(node.rchild)
def postorder(self,node):
'''后序遍历'''
if node is None:
return
self.postorder(node.lchild)
self.postorder(node.rchild)
print(node.elem, end=' ')
def breadth_travel(self):
"""利用队列实现树的层次遍历"""
if self.root is None:
return
queue = [self.root]
while queue:
cur_node = queue.pop(0)
print(cur_node.elem,end=' ')
if cur_node.lchild is not None:
queue.append(cur_node.lchild)
if cur_node.rchild is not None:
queue.append(cur_node.rchild)
if __name__ == '__main__':
tree = Tree()
for i in range(10):
tree.add(i)
tree.breadth_travel()
print('')
tree.preorder(tree.root)
print('')
tree.inorder(tree.root)
print('')
tree.postorder(tree.root)
遍历结果:
层次:0 1 2 3 4 5 6 7 8 9
先序:0 1 3 7 8 4 9 2 5 6
中序:7 3 8 1 9 4 0 5 2 6
后序:7 8 3 9 4 1 5 6 2 0
以上是关于数据结构与算法笔记(十四)—— 二叉树及二叉树遍历的主要内容,如果未能解决你的问题,请参考以下文章