什么是二叉树
有一个根节点 向下扩大两个子节点 两个子节点又能够向下扩大。相似于这样的构造成为二叉树
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318164309773.png” alt=”image-20200318164309773″ style=”zoom:50%;” />
下面这种就够就是二叉树,当然有二叉树就有三叉树、四叉树。
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318164534883.png” alt=”image-20200318164534883″ style=”zoom:50%;” />
树中相应节点的概念
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318165011873.png” alt=”image-20200318165011873″ style=”zoom:50%;” />
- A 节点是 B 节点的【 父节点 】
- B 节点是 A 节点的【 子节点 】
- B、C、D 这三个节点的父亲节点是同一个节点,所以他们之间互称为【 兄弟节点 】
- E 节点没有父亲节点,所以咱们把它称为【 根节点 】
- G、H、I、J、K、L 没有子节点,所以咱们把它称为【 叶子节点 】
- 节点的高度:节点到叶子节点的最长门路
- 节点的深度:根节点到这个节点所经验的节点个数
- 节点的层数:节点的深度 + 1
二叉树的品种
在二叉树之上,具备各种各样的其余属性,就会衍生出其余的树结构。
- 满二叉树
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318170240608.png” alt=”image-20200318170240608″ style=”zoom:50%;” />
叶子节点全都在最底层,除叶子节点外,每个节点都有两个子节点,这种二叉树叫做【 满二叉树 】。
- 齐全二叉树
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318170532465.png” alt=”image-20200318170532465″ style=”zoom:50%;” />
叶子节点都在最底下两层,最初一次的叶子节点都靠左排列,并且除了最初一层,其余层的节点个数都要达到最大,这种二叉树叫做【 齐全二叉树 】
- 二分搜寻树
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318171007366.png” alt=”image-20200318171007366″ style=”zoom:50%;” />
若任意节点的左子树不为空,则左子树上所有节点的值均小于它的根节点的值;
若任意节点的右子树不为空,则右子树上所有节点的值均大于或等于它的根节点的值;
任何左子树或右子树也都为二分搜寻树。
- 堆
<img src=”https://gitee.com/xiaoxiunique/picgo-image/raw/master/atips/image-20200318195545250.png” alt=”image-20200318195545250″ style=”zoom:50%;” />
堆就是用数组实现的二叉树,所以它没有应用父指针或子指针。堆依据堆属性来排序。
堆的罕用办法
构建优先队列、反对堆排序、反对找出一个汇合中最小值(或者最大值)
堆分为两种:最大堆和最小堆,两者的差异在于节点的排序形式。
在最大堆中,父节点的值每一个子节点的值都要大。在最小堆中,父节点的值比每一个子节点的值都要小。这就是所谓的“堆属性”,并且这个属性对堆中的每一个节点都成立。
- AVL
- 红黑树
- 线段树
- 字典树
- 并查集
树的遍历
- 前序 根左右
- 中序 左根有
- 后序 左右根
-
DFS 深度优先遍历
代码模板(递归写法)
visited = set() def dfs(node, visited): if node in visited: # terminator # already visited return visited.add(node) # process current node here. ... for next_node in node.children(): if next_node not in visited: dfs(next_node, visited)
非递归写法
def DFS(self, tree): if tree.root is None: return [] visited, stack = [], [tree.root] while stack: node = stack.pop() visited.add(node) process (node) nodes = generate_related_nodes(node) stack.push(nodes) # other processing work ...
-
BFS 广度优先遍历(层序遍历)
代码模板
def BFS(graph, start, end): visited = set() queue = [] queue.append([start]) while queue: node = queue.pop() visited.add(node) process(node) nodes = generate_related_nodes(node) queue.push(nodes) # other processing work ...
本文由博客群发一文多发等经营工具平台 OpenWrite 公布