程序员基本功系列5——二叉树
作者:互联网
1、二叉树基础
1.1、树的几个概念
节点的高度:节点到叶子节点的最大路径(边数)
节点的深度:根节点到这个节点所经历的边数
节点的层数:节点的深度+1
树的高度:根节点的高度
高度和深度的计数都是从0开始,来看个例子:
1.2、满二叉树和完全二叉树
(1)满二叉树
叶子节点全都在最后一层,除叶子节点外,每个节点都有左右两个节点,这种二叉树就是满二叉树。
其中2号就是满二叉树。
(2)完全二叉树
叶子节点都在最底下两层,最后一层的叶子节点都靠左排列,并且除了叶子节点,每个节点都有左右两个节点,这种二叉树就是完全二叉树。上图中3号就是一棵完全二叉树。
再来看几个完全二叉树和非完全二叉树的例子:
和满二叉树一样,除了叶子节点其他节点都达到最大,这一点很好理解,那为什么完全二叉树的要求最后一层都靠左排列呢?
要明白这一点就要看二叉树的存储方式?主要有两种:链式存储和基于数组的顺序存储。
链式存储:这是最长用的二叉树表示方式,每个节点三个字段,一个存储数据,另外两个是指向左右节点的指针。
基于数组的顺序存储:把根节点存储在下标 i = 1 的位置,那左子节点存储在下标 2 * i = 2 的位置,右子节点存储在 2 * i + 1 = 3 的位置。以此类推,B 节点的左子节点存储在 2 * i = 2 * 2 = 4 的位置,右子节点存储在 2 * i + 1 = 2 * 2 + 1 = 5 的位置。
完全二叉树叶子节点都靠左排列就是为了节省存储空间。
1.3、二叉树的遍历
经典的三种方式:前序遍历、中序遍历、后序遍历。
前序遍历是指,对于树中的任意节点来说,先打印这个节点,然后再打印它的左子树,最后打印它的右子树。
中序遍历是指,对于树中的任意节点来说,先打印它的左子树,然后再打印它本身,最后打印它的右子树。
后序遍历是指,对于树中的任意节点来说,先打印它的左子树,然后再打印它的右子树,最后打印这个节点本身
实际上,前中后序遍历就是递归过程,我们直接看代码:
void preOrder(Node* root) { if (root == null) return; print root // 此处为伪代码,表示打印root节点 preOrder(root->left); preOrder(root->right); } void inOrder(Node* root) { if (root == null) return; inOrder(root->left); print root // 此处为伪代码,表示打印root节点 inOrder(root->right); } void postOrder(Node* root) { if (root == null) return; postOrder(root->left); postOrder(root->right); print root // 此处为伪代码,表示打印root节点 }
三种遍历,每个节点最多会被访问两次,与节点个数正相关,所以时间复杂度是 O(n)。
2、二叉查找树
二叉查找树是二叉树中最常用的一种类型,也就二叉搜索树。它支持快速查找、插入和删除数据。
二叉查找树要求,在树中的任意一个节点,其左子树中的每个节点的值,都要小于这个节点的值,而右子树节点的值都大于这个节点的值。
2.1、二叉查找树的操作
(1)二叉查找树的查找操作
先取根节点,如果它等于我们要查找的数据,那就返回。如果要查找的数据比根节点的值小,那就在左子树中递归查找;如果要查找的数据比根节点的值大,那就在右子树中递归查找。
public class BinarySearchTree { private Node tree;
public static class Node { private int data; private Node left; private Node right; public Node(int data) { this.data = data; } } public Node find(int data) { Node p = tree; while (p != null) { if (data < p.data) p = p.left; else if (data > p.data) p = p.right; else return p; } return null; } }
(2)二叉查找树的插入操作
二叉查找树的插入过程有点类似查找操作。新插入的数据一般都是在叶子节点上,所以我们只需要从根节点开始,依次比较要插入的数据和节点的大小关系。如果要插入的数据比节点的数据大,并且节点的右子树为空,就将新数据直接插到右子节点的位置;如果不为空,就再递归遍历右子树,查找插入位置。同理,如果要插入的数据比节点数值小,并且节点的左子树为空,就将新数据插入到左子节点的位置;如果不为空,就再递归遍历左子树,查找插入位置。
public void insert(int data) { if (tree == null) { tree = new Node(data); return; } Node p = tree; while (p != null) { if (data > p.data) { if (p.right == null) { p.right = new Node(data); return; } p = p.right; } else { // data < p.data if (p.left == null) { p.left = new Node(data); return; } p = p.left; } } }
(3)二叉查找树的删除操作
删除操作比较复杂,因为可能涉及到重构,根据要删除节点的子节点个数不同,分三种情况考虑:
• 如果要删除的节点没有子节点,只需要直接将父节点中,指向要删除节点的指针置为 null。比如图中的删除节点 55。
• 如果要删除的节点只有一个子节点(只有左子节点或者右子节点),只需要更新父节点中指向要删除节点的指针,让它指向要删除节点的子节点就可以了。比如图中的删除节点 13。
• 如果要删除的节点有两个子节点,这就比较复杂了。需要找到这个节点的右子树中的最小节点,把它替换到要删除的节点上。然后再删除掉这个最小节点,因为最小节点肯定没有左子节点(如果有左子结点,那就不是最小节点了),所以,可以应用上面两条规则来删除这个最小节点。比如图中的删除节点 18。
public void delete(int data) { Node p = tree; // p指向要删除的节点,初始化指向根节点 Node pp = null; // pp记录的是p的父节点 while (p != null && p.data != data) { pp = p; if (data > p.data) p = p.right; else p = p.left; } if (p == null) return; // 没有找到 // 要删除的节点有两个子节点 if (p.left != null && p.right != null) { // 查找右子树中最小节点 Node minP = p.right; Node minPP = p; // minPP表示minP的父节点 while (minP.left != null) { minPP = minP; minP = minP.left; } p.data = minP.data; // 将minP的数据替换到p中 p = minP; // 下面就变成了删除minP了 pp = minPP; } // 删除节点是叶子节点或者仅有一个子节点 Node child; // p的子节点 if (p.left != null) child = p.left; else if (p.right != null) child = p.right; else child = null; if (pp == null) tree = child; // 删除的是根节点 else if (pp.left == p) pp.left = child; else pp.right = child; }
(4)二叉查找树的其他操作
除了插入、删除、查找操作之外,二叉查找树中还可以支持快速地查找最大节点和最小节点、前驱节点和后继节点。
另外还有一个重要特性,二叉查找树的中序遍历可以输出有序的数据序列,时间复杂度 O(n),非常高效。
(5)时间复杂度分析
二叉查找树的查找、插入和删除的时间复杂度跟跟树的高度成正比,所以时间复杂度就是 O(height)。在极端情况下,二叉查找树会退化成链表,时间复杂度就是 O(n),如果二叉树是平衡二叉树(3节讲),平衡二叉树的树高接近 O(logn),
所以对于平衡二叉树来说时间复杂度就是 O(logn)。
2.2、支持重复数据的二叉查找树
很多时候,在实际的开发中,在二叉查找树中存储的,是一个包含很多字段的对象。利用对象的某个字段作为键值(key)来构建二叉查找树。把对象中的其他字段叫作卫星数据。
上面小节中所提到的操作都是针对不存在重复键值的情况,那如果存在重复键值怎么解决呢?几种思路:
(1)二叉树的每个节点不仅存储一个数据,可以通过链表和支持动态扩容的数组等数据结构,把相同键值的数据存储在一个节点上。
(2)每个节点还是只存储一个数据,如果遇到相同的键值,将要插入的数据放到右子树,也就是把相同的键值按大于这个节点的值来处理。
当要查找数据的时候,遇到值相同的节点,并不停止查找操作,而是继续在右子树中查找,直到遇到叶子节点,才停止。这样就可以把键值等于要查找值的所有节点都找出来。
(3)对于要删除的数据,并不真正删除,只是将节点标记为删除状态,这样就避免删除带来的复杂性,但是比较浪费存储空间,并且当数据量越大,性能会越低。
标签:Node,程序员,查找,二叉树,基本功,null,data,节点 来源: https://www.cnblogs.com/jing-yi/p/15887231.html