内容简介:这篇文章主要介绍树结构中的一种特殊存在——二叉树。主要内容有:二叉树的顺序存储结构就是用一维数组存储二叉树中的结点,并且结点的存储位置,也就是数组的下标要能体现结点之间的逻辑关系。使用顺序存储结构表现二叉树的时候,在其线性结构中,会存在一些空结点,但是其会占据一定的内存空间,会造成存储空间的浪费。由于二叉树的每个结点最多有两个孩子,所以为每个结点设计一个数据域和两个指针域。
这篇文章主要介绍树结构中的一种特殊存在——二叉树。主要内容有:
- 二叉树的概念
- 二叉树的基本结构
- 二叉树的操作
概念
-
二叉树:每个结点最多有两个子结点,两个子结点是有次序的,且子结点次序不能颠倒。两个子结点一般称之为左结点及右结点。
-
层次:在树中,节点的层次从根开始定义,根为第一层。
-
深度:树中节点的最大层次为树的深度。
-
度:结点拥有的结点数。
-
分支结点:度不为0的结点。
-
叶子节点:度为0的结点。
-
特殊二叉树
- 满二叉树:所有分支结点都存在左右两节点,并且所有叶子结点都在同一层。
- 斜树:所有的结点都只有左子结点或者右子结点。
- 完全二叉树:对一棵具有n个结点的二叉树按层序编号,如果编号i(1<=i<=n)的结点 与同样深度的满二叉树中编号为i的结点在二叉树中位置完全相同,则称之为完全二叉树。
- 二叉查找树:左子树中节点的值都小于根节点的值,右子树中节点的值都大于根节点的值。
结构
顺序存储结构
二叉树的顺序存储结构就是用一维数组存储二叉树中的结点,并且结点的存储位置,也就是数组的下标要能体现结点之间的逻辑关系。使用顺序存储结构表现二叉树的时候,在其线性结构中,会存在一些空结点,但是其会占据一定的内存空间,会造成存储空间的浪费。
链式存储结构
由于二叉树的每个结点最多有两个孩子,所以为每个结点设计一个数据域和两个指针域。
结点的定义
结点的结构定义:
class TreeNode { var value: String var left: TreeNode? var right: TreeNode? init(_ value: String) { self.value = value } } 复制代码
操作
创建二叉树
现在我们创建一棵如图所示的二叉树:
为了能让每个结点确认是否有左右子结点,我们将预期二叉树进行一个扩展:
我们给每一个结点的空指针引出一个虚结点,其值为一个特定值——#。
创建这棵二叉树代码:
let arr = ["A", "B", "D", "G", "#", "#", "H", "#", "#", "#", "C", "E", "#", "I", "#", "#", "F"] var index = 0 func preCreateTree(_ tree: inout BinaryTreeNode?) { if index > arr.count-1 { return } let value = arr[index] index += 1 if value == "#" { tree = nil } else { // 生成根结点 tree = BinaryTreeNode(value) // 构造左子树 preCreateTree(&tree!.leftChild) // 构造右子树 preCreateTree(&tree!.rightChild) } } var root: BinaryTreeNode? = BinaryTreeNode(nil) preCreateTree(&root) 复制代码
遍历
二叉树的遍历主要分为四种:
- 前序遍历: 根结点-->左子树-->右子树。
- 中序遍历: 左子树-->根结点-->右子树。
- 后序遍历: 左子树-->右子树-->根结点。
- 层序遍历: 从上至下一层一层遍历。
前序遍历
前面创建二叉树时,我们有一个数组 ["A", "B", "D", "G", "#", "#", "H", "#", "#", "#", "C", "E", "#", "I", "#", "#", "F"],这个数组是如何得到的呢?
就是根据前序遍历扩展二叉树的结果得到的这个数组,并利用这个数组前序创建了我们预期的二叉树。
前序遍历代码:
func preOrderTraverse(_ tree: BinaryTreeNode?) { if let node = tree { print("value is \(node.value)") // 先序遍历左子树 preOrderTraverse(node.leftChild) // 再先序遍历右子树 preOrderTraverse(node.rightChild) } } 复制代码
中序遍历
中序遍历代码:
func inOrdertraverse(_ tree: BinaryTreeNode?) { if let node = tree { // 中序遍历左子树 inOrdertraverse(node.leftChild) print("value is \(node.value)") // 中序遍历右子树 inOrdertraverse(node.rightChild) } } 复制代码
后序遍历
后序遍历代码:
func lastOrdertraverse(_ tree: BinaryTreeNode?) { if let node = tree { // 后序遍历左子树 lastOrdertraverse(node.leftChild) // 后序遍历右子树 lastOrdertraverse(node.rightChild) print("value is \(node.value)") } } 复制代码
层序遍历
层序遍历代码:
func levelOrdertraverse(_ tree: BinaryTreeNode?) { guard let root = tree else { return } var tempQueue: [BinaryTreeNode] = [] // 将根节点加入数组 if let _ = root.value { tempQueue.insert(root, at: 0) } while tempQueue.count != 0 { // 取出数组最后一个元素 let temp = tempQueue.popLast()! // 将下一层结点依次插入到数组最前面 if let l = temp.leftChild, l.value != nil { tempQueue.insert(l, at: 0) } if let r = temp.rightChild, r.value != nil { tempQueue.insert(r, at: 0) } print(temp.value) } } 复制代码
树的最大深度
func maxDepth(_ tree: BinaryTreeNode?) -> Int { guard let root = tree else { return 0 } return max(maxDepth(root.leftChild), maxDepth(root.rightChild)) + 1 } 复制代码
推导遍历结果
遍历特点:
前序遍历:根结点-->左子树-->右子树。
中序遍历:左子树-->根结点-->右子树。
后序遍历:左子树-->右子树-->根结点。
根据遍历特点,得出解题思路:
- 找到根-->找到左右子树
- 一直重复这个操作,直到最后一个子节点。
题目一:求后序遍历
题目:已知前序遍历 ABDGHCEIF 及中序遍历 GDHBAEICF,求出后序遍历顺序?
解答:
-
先序遍历的结果是ABDGHCEIF,根据先序得到根节点是A;中序遍历的结果是GDHBAEICF,根据中序得到A之前的节点都是左子树,A之后的节点都是右子树。
-
再对左右子树进行第一步的分析。最终能得到二叉树的完整结构。
题目二:求前序遍历
题目:已知后序遍历 GHDBIEFCA 及中序遍历 GDHBAEICF,求出后序遍历顺序?
解答:
- 后序遍历的结果是GHDBIEFCA,根据先序得到根节点是A;中序遍历的结果是GDHBAEICF,根据中序得到A之前的节点都是左子树,A之后的节点都是右子树。
- 再对左右子树进行第一步的分析。最终能得到二叉树的完整结构。
总结一下
- 已知前序遍历序列和中序遍历序列,可以唯一确定一棵二叉树。
- 已知后序遍历序列和中序遍历序列,可以唯一确定一棵二叉树。
但是,已知前序和后序是不能确定一棵二叉树的。
例如:前序遍历序列为 ABC 及后序遍历序列为 CBA。
可以确定 A 一定是根节点,但是接下来无法确定哪些是左子树,哪些是右子树。此时,这棵二叉树有以下四种可能:
以上所述就是小编给大家介绍的《数据结构:二叉树》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 数据结构 – 用于构建文件系统的数据结构?
- 荐 用Python解决数据结构与算法问题(三):线性数据结构之栈
- 数据结构和算法面试题系列-C指针、数组和结构体
- 请问二叉树等数据结构的物理存储结构是怎样的?
- 数据结构——单链表
- 常用数据结构
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python高性能(第2版)
[加] 加布丽埃勒•拉纳诺(Gabriele Lanaro) / 袁国忠 / 人民邮电出版社 / 2018-8 / 59.00元
本书是一本Python性能提升指南,展示了如何利用Python的原生库以及丰富的第三方库来构建健壮的应用程序。书中阐释了如何利用各种剖析器来找出Python应用程序的性能瓶颈,并应用正确的算法和高效的数据结构来解决它们;介绍了如何有效地利用NumPy、Pandas和Cython高性能地执行数值计算;解释了异步编程的相关概念,以及如何利用响应式编程实现响应式应用程序;概述了并行编程的概念,并论述了如......一起来看看 《Python高性能(第2版)》 这本书的介绍吧!
随机密码生成器
多种字符组合密码
HSV CMYK 转换工具
HSV CMYK互换工具