概念
二叉樹是每個節點最多有兩個子樹的樹結構，通常子樹被稱作“左子樹”（left subtree）和“右子樹”（right subtree）
二叉樹的鏈式存盤：
將二叉樹的節點定義為一個物件，節點之間通過類似鏈表的鏈接方式來連接，
樹的定義與基本術語
樹型結構是一類重要的非線性資料結構，其中以樹和二叉樹最為常用，是以分支關系定義的層次結構，樹結構在客觀世界中廣泛存在，如人類社會的族譜和各種社會組織機構；在計算機領域中也有廣泛應用，如在編譯程式中，可用樹來表示源程式的語法結構；在資料庫系統中，樹型結構也是資訊的重要組織形式之一；在機器學習中，決策樹，隨機森林，GBDT等是常見的樹模型，
樹（Tree）是n(n>=0)個結點的有限集，在任意一棵樹中：（1）有且僅有一個特定的稱為根（Root）的節點；（2）當n>1時，其余節點可分為m(m>0)個互不相交的有限集，其中每一個集合本身又是一棵樹，并且稱為根的子樹（SubTree），
圖1 樹型結構
在圖1，該樹一共有13個節點，其中A是根，其余節點分成3個互不相交的子集：
T1={B,E,F,K,L}，T2={C,G}，T3={D,H,I,J,K}；T1,T2,T3都是根A的子樹，且本身也是一顆樹，
例如T1，其根為B，其余節點分為兩個互不相交的子集；T11={E,K,L},T12={F}，T11和T12都是B的子樹，而在T11中E是根，{K}和{L}是E的兩棵互不相交的子樹，其本身又是只有一個根節點的樹，
樹的基本術語
樹的結點包含一個資料元素及若干指向其子樹的分支，
節點擁有的子樹數量稱為節點的度（Degree），
在圖1中，A的度為3，B的度為2，C的度為1，F的度為0，
度為0的結點稱為葉子（Leaf）結點，
在圖1中，K,L,F,G,M,I,J都是該樹的葉子，度不為0的結點稱為分支結點，
樹的度是指樹內個結點的度的最大值，
結點的子樹的根稱為該結點的孩子（Child），相應地，該結點稱為孩子的雙親（Parent）
在圖1,中，D是A的孩子，A是D的雙親，同一個雙親的孩子之間互稱兄弟(Sibling)
H,I,J互為兄弟，結點的祖先是從根到該結點所經分支上的所有結點，M的祖先為A,D,H，
對應地，以某結點為根的子樹中的任一結點都稱為該結點的子孫，B的子孫為E,F,K,L，
樹的層次(Level)是從根開始，根為第一層，根的孩子為第二層等，雙親在同一層的結點互為同兄弟，圖1中，K,L,M互為堂兄弟，樹中結點的最大層次稱為樹的深度(Depth)或高度，樹的深度為4，
如果將樹中結點的各子樹看成從左到右是有次序的（即不能交換），則稱該樹為有序樹，否則為無序樹，
森林（Forest）是m(m>=0)棵互不相交的樹的集合，對樹中每個結點而言，其子樹的集合即為森林，
在機器學習模型中，決策樹為樹型結構，而隨機森林為森林，是由若干決策樹組成的森林，
性質
性質1: 在二叉樹的第i層上至多有2^(i-1)個結點（i>0）
性質2: 深度為k的二叉樹至多有2^k - 1個結點（k>0）
性質3：對于任意一棵二叉樹，如果其葉結點數為N0，而度數為2的結點總數為N2，則N0=N2+1;
性質4：具有n個結點的完全二叉樹的深度為 log2(n+1)
性質5：對完全二叉樹，若從上至下、從左至右編號，則編號為i 的結點，其左孩子編號必為2i，其右孩子編號必為2i＋1；其雙親的編號必須為i/2（i＝1 時為根,除外）
分類
1.完全二叉樹——若設二叉樹的高度為h，除第 h 層外，其它各層 (1～h-1) 的結點數都達到最大個數，第h層有葉子結點，并且葉子結點都是從左到右依次排布，
2.滿二叉樹——除了葉結點外每一個結點都有左右子葉且葉子結點都處在最底層的二叉樹，
二叉樹Python實作
class Node(object):
"""節點類"""
def __init__(self, elem=-1, lchild=None, rchild=None):
self.elem = elem # 自身
self.lchild = lchild # 左孩子
self.rchild = rchild # 右孩子
class Tree(object):
"""樹類"""
def __init__(self, root=None):
self.root = root
def add(self, elem):
node = Node(elem)
if self.root == None:
self.root = node
else:
queue = []
queue.append(self.root) # 先將根節點添加到佇列中
while queue: # 遍歷樹
cur = queue.pop(0) # 首先彈出了根節點
if cur.lchild == None: # 如果沒有做孩子的話
cur.lchild = node # 添加node
return
elif cur.rchild == None: # 如果沒有有孩子的話
cur.rchild = node
return
else: # 如果左右子樹都不為空，加入佇列繼續判斷
queue.append(cur.lchild)
queue.append(cur.rchild)
二叉樹的遍歷：
常見的遍歷方法有：先序遍歷，中序遍歷，后序遍歷，層序遍歷，這些遍歷方法一般使用遞回演算法實作，
前序遍歷：EACBDGF
前序遍歷的操作定義為：若二叉樹為空，為空操作；否則（1）訪問根節點；（2）先序遍歷左子樹；（3）先序遍歷右子樹，
遞回實作：
def preorder(root):
if not root:
return
print(root.val)
preorder(root.left)
preorder(root.right)
迭代實作：
def preorder(root):
stack = [root]
while stack:
s = stack.pop()
if s:
print(s.val)
stack.append(s.right)
stack.append(s.left)
中序遍歷：ABCDEGF
中序遍歷的操作定義為：若二叉樹為空，為空操作；否則（1）中序遍歷左子樹；（2）訪問根結點；（3）中序遍歷右子樹，
遞回實作：
def inorder(root):
if not root:
return
inorder(root.left)
print(root.val)
inorder(root.right)
迭代實作：
def inorder(root):
stack = []
while stack or root:
while root:
stack.append(root)
root = root.left
root = stack.pop()
print(root.val)
root = root.right
后序遍歷：BDCAFGE
后序遍歷的操作定義為：若二叉樹為空，為空操作；否則（1）后序遍歷左子樹；（2）后序遍歷右子樹；（3）訪問根結點，
遞回實作：
def postorder(root):
if not root:
return
postorder(root.left)
postorder(root.right)
print(root.val)
迭代實作：
def postorder(root):
stack = []
while stack or root:
while root: # 下行回圈，直到找到第一個葉子節點
stack.append(root)
if root.left: # 能左就左，不能左就右
root = root.left
else:
root = root.right
s = stack.pop()
print(s.val)
#如果當前節點是上一節點的左子節點，則遍歷右子節點
if stack and s == stack[-1].left:
root = stack[-1].right
else:
root = None
層次遍歷：EAGCFBD
層序遍歷的操作定義為：若二叉樹為空，為空操作；否則從上到下、從左到右按層次進行訪問，
遞回實作：
def BFS(root):
queue = [root]
while queue:
n = len(queue)
for i in range(n):
q = queue.pop(0)
if q:
print(q.val)
queue.append(q.left if q.left else None)
queue.append(q.right if q.right else None)
代碼實作：
# _*_ coding=utf-8 _*_
"""
實作一個二叉樹結果，并進行遍歷
E
/ \
A G
\ \
C F
/ \
B D
"""
from collections import deque
class BinaryTree(object):
def __init__(self, data):
self.data = https://www.cnblogs.com/h88999/archive/2020/12/02/data
self.child_l = None
self.child_r = None
# 創建
a = BinaryTree("A")
b = BinaryTree("B")
c = BinaryTree("C")
d = BinaryTree("D")
e = BinaryTree("E")
f = BinaryTree("F")
g = BinaryTree("G")
# 構造節點關系
e.child_l = a
e.child_r = g
a.child_r = c
c.child_l = b
c.child_r = d
g.child_r = f
# 設定根
root = e
def pre_order(tree):
"""
前序遍歷:root -> child_l -> child_r
:param tree: the root of tree
:return:
"""
if tree:
print(tree.data, end=',')
# print("")
pre_order(tree.child_l)
pre_order(tree.child_r)
def in_order(tree):
"""
中序遍歷：child_l -> root -> child_r
:param tree:
:return:
"""
if tree:
in_order(tree.child_l)
print(tree.data, end=',')
in_order(tree.child_r)
def post_order(tree):
"""
后序遍歷：child_l -> child_r -> root
:param tree:
:return:
"""
if tree:
post_order(tree.child_l)
post_order(tree.child_r)
print(tree.data, end=',')
def level_order(tree):
"""
層次遍歷：E -> AG -> CF -> BD
使用佇列實作
:param tree:
:return:
"""
queue = deque()
queue.append(tree) # 先把根添加到佇列
while len(queue): # 佇列不為空
node = queue.popleft()
print(node.data, end=',')
if node.child_l:
queue.append(node.child_l)
if node.child_r:
queue.append(node.child_r)
pre_order(root)
print('')
in_order(root)
print('')
post_order(root)
print('')
level_order(root)
二叉樹的最大深度
基本思路就是遞回，當前樹的最大深度等于（1+max(左子樹最大深度，右子樹最大深度)），代碼如下：
def maxDepth(root):
if not root:
return 0
return 1+max(maxDepth(root.left),maxDepth(root.right))
二叉樹的最小深度
最小深度是從根節點到最近葉子節點的最短路徑上的節點數量，可以通過遞回求左右節點的最小深度的較小值，也可以層序遍歷找到第一個葉子節點所在的層數，
遞回方法：
class Solution:
def minDepth(self, root: TreeNode) -> int:
if not root:
return 0
if not root.left and not root.right:
return 1
if not root.right:
return 1+self.minDepth(root.left)
if not root.left:
return 1+self.minDepth(root.right)
return 1+min(self.minDepth(root.left),self.minDepth(root.right))
迭代方法：
class Solution:
def minDepth(self, root: TreeNode) -> int:
if not root: return 0
ans,count = [root],1
while ans:
n = len(ans)
for i in range(n):
r = ans.pop(0)
if r:
if not r.left and not r.right:
return count
ans.append(r.left if r.left else [])
ans.append(r.right if r.right else [])
count+=1
二叉樹的所有路徑
根節點到葉子節點的所有路徑，
def traverse(node):
if not node.left and not node.right:
return [str(node.val)]
left, right = [], []
if node.left:
left = [str(node.val) + x for x in traverse(node.left)]
if node.right:
right = [str(node.val) + x for x in traverse(node.right)]
return left + right
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/228798.html
標籤：其他