🧧🧧🧧🧧🧧个人主页🎈🎈🎈🎈🎈
🧧🧧🧧🧧🧧数据结构专栏🎈🎈🎈🎈🎈
🧧🧧🧧🧧🧧【数据结构】受限制的线性表——队列🎈🎈🎈🎈🎈
文章目录
- 前言
-
- 1.树型结构
- 1.1树的概念
- 1.2树的特性
- 1.3树的一些性质
- 1.4树的一些表示形式
- 1.5树的应用
-
- 2.二叉树
- 2.1 概念
- 2.2 两种特殊的二叉树
- 2.3 二叉树的性质
- 2.4 二叉树的存储
- 2.5 二叉树的基本操作
前言
前面我们都是学的线性结构的数据结构，接下来我们就需要来学习非线性的数据结构，我们先来学第一个非线性的数据结构——树。每一门学科都来自生活，从生活中学习，我们要学的树就是来自生活，这种数据结构就像我们大自然中的树倒立着一样，所以我们取名为树。
1.树型结构
1.1树的概念
树是一种非线性的数据结构，它是由n（n>=0）个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：
1.有一个特殊的结点，称为根结点，根结点没有前驱结点
2.除根结点外，其余结点被分成M(M > 0)个互不相交的集合T1、T2、…、Tm，其中每一个集合Ti (1 <= i <= m) 又是一棵与树类似的子树。每棵子树的根结点有且只有一个前驱，可以有0个或多个后继
3.树是递归定义的。
注意：树形结构中，子树不能有交集，否则不具备树形结构。
1.2树的特性
1.子树是不相交的
2.除了根结点以外，每一个结点只有一个父节点。
3.一棵N个结点的树有N-1条边。
1.3树的一些性质
**结点的度：**一个结点含有子树的个数称为该结点的度；
**树的度：**一棵树中，所有结点度的最大值称为树的度；
叶子结点或终端结点：度为0的结点称为叶结点；
**双亲结点或父结点：**若一个结点含有子结点，则这个结点称为其子结点的父结点；
**孩子结点或子结点：**一个结点含有的子树的根结点称为该结点的子结点；
**根结点：**一棵树中，没有双亲结点的结点；
**结点的层次：**从根开始定义起，根为第1层，根的子结点为第2层，以此类推
**树的高度或深度：**树中结点的最大层次；
**非终端结点或分支结点：**度不为0的结点；
**兄弟结点：**具有相同父结点的结点互称为兄弟结点；
**堂兄弟结点：**双亲在同一层的结点互为堂兄弟；
**结点的祖先：**从根到该结点所经分支上的所有结点；
**子孙：**以某结点为根的子树中任一结点都称为该结点的子孙。
**森林：**由m（m>=0）棵互不相交的树组成的集合称为森林
1.4树的一些表示形式
树结构相对线性表就比较复杂了，要存储表示起来就比较麻烦了，实际中树有很多种表示方式，如：双亲表示法，孩子表示法、孩子双亲表示法、孩子兄弟表示法等等。我们这里就简单的了解其中最常用的孩子兄弟表示法。
class Node {
int value;
Node firstChild;
// 树中存储的数据
// 第一个孩子引用
Node nextBrother; // 下一个兄弟引用
}
1.5树的应用
文件系统管理（目录和文件）
2.二叉树
2.1 概念
一棵二叉树是结点的一个有限集合，该集合：
- 或者为空
- 或者是由一个根节点加上两棵别称为左子树和右子树的二叉树组成。
从上图可以看出： - 二叉树不存在度大于2的结点
- 二叉树的子树有左右之分，次序不能颠倒，因此二叉树是有序树
注意：对于任意的二叉树都是由以下几种情况复合而成的：
2.2 两种特殊的二叉树
- 满二叉树: 一棵二叉树，如果每层的结点数都达到最大值，则这棵二叉树就是满二叉树。也就是说，如果一棵二叉树的层数为K，且结点总数是，则它就是满二叉树。
- 完全二叉树: 完全二叉树是效率很高的数据结构，完全二叉树是由满二叉树而引出来的。对于深度为K的，有n个结点的二叉树，当且仅当其每一个结点都与深度为K的满二叉树中编号从0至n-1的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。
2.3 二叉树的性质
- 若规定根结点的层数为1，则一棵非空二叉树的第i层上最多有(i>0)个结点
- 若规定只有根结点的二叉树的深度为1，则深度为K的二叉树的最大结点数是(k>=0)
- 对任何一棵二叉树, 如果其叶结点个数为 n0, 度为2的非叶结点个数为 n2,则有n0＝n2＋1
- 具有n个结点的完全二叉树的深度k为上取整
- 对于具有n个结点的完全二叉树，如果按照从上至下从左至右的顺序对所有节点从0开始编号，则对于序号为i
的结点有：
若i>0，双亲序号：(i-1)/2；i=0，i为根结点编号，无双亲结点
若2i+1<n，左孩子序号：2i+1，否则无左孩子
若2i+2<n，右孩子序号：2i+2，否则无右孩子
2.4 二叉树的存储
二叉树的存储结构分为：顺序存储和类似于链表的链式存储。
二叉树的链式存储是通过一个一个的节点引用起来的，常见的表示方式有二叉和三叉表示方式，具体如下：
// 孩子表示法
class Node {
int val; // 数据域
Node left; // 左孩子的引用，常常代表左孩子为根的整棵左子树
Node right; // 右孩子的引用，常常代表右孩子为根的整棵右子树
}
// 孩子双亲表示法
class Node {
int val; // 数据域
Node left; // 左孩子的引用，常常代表左孩子为根的整棵左子树
Node right; // 右孩子的引用，常常代表右孩子为根的整棵右子树
Node parent; // 当前节点的根节点
}
这里我们用孩子表示法来构建二叉树。
2.5 二叉树的基本操作
2.5.1枚举法来将树创建，这种创建方式一开始是比较容易理解的，等到我们对二叉树学习到一定的程度再去用其他方法创建二叉树，那样就比较轻松。
枚举法创建树：
public class BinaryTree {
static class TreeNode {
public char val;
public TreeNode left;
public TreeNode right;
public TreeNode(char val) {
this.val = val;
}
}
public TreeNode careTree1() {
TreeNode A = new TreeNode('A');
TreeNode B = new TreeNode('B');
TreeNode C = new TreeNode('C');
TreeNode D = new TreeNode('D');
TreeNode E = new TreeNode('E');
TreeNode F = new TreeNode('F');
A.left = B;
A.right = D;
B.left = C;
D.left = E;
D.right = F;
return A;
}
}
2.5.2 二叉树的遍历
- 前中后序遍历
学习二叉树结构，最简单的方式就是遍历。所谓遍历(Traversal)是指沿着某条搜索路线，依次对树中每个结点均做一次且仅做一次访问。访问结点所做的操作依赖于具体的应用问题(比如：打印节点内容、节点内容加1)。 遍历是二叉树上最重要的操作之一，是二叉树上进行其它运算之基础。
在遍历二叉树时，如果没有进行某种约定，每个人都按照自己的方式遍历，得出的结果就比较混乱，如果按照某种规则进行约定，则每个人对于同一棵树的遍历结果肯定是相同的。如果N代表根节点，L代表根节点的左子树，R代表根节点的右子树，则根据遍历根节点的先后次序有以下遍历方式：
NLR：前序遍历(Preorder Traversal 亦称先序遍历)——访问根结点—>根的左子树—>根的右子树。
LNR：中序遍历(Inorder Traversal)——根的左子树—>根节点—>根的右子树。
LRN：后序遍历(Postorder Traversal)——根的左子树—>根的右子树—>根节点。
下面分析前序递归遍历图解与遍历结果
代码实现：
public void preOrder(TreeNode root) {
if(root == null) {
return;
}
System.out.print(root.val+" ");
preOrder(root.left);
preOrder(root.right);
}
下面分析中序递归遍历图解与遍历结果
代码实现：
public void inOrder(TreeNode root) {
if(root == null) {
return;
}
inOrder(root.left);
System.out.print(root.val+" ");
inOrder(root.right);
}
下面分析后序递归遍历图解与遍历结果
代码实现：
public void postOrder(TreeNode root) {
if(root == null) {
return;
}
postOrder(root.left);
postOrder(root.right);
System.out.print(root.val+" ");
}
- 层序遍历
层序遍历：除了先序遍历、中序遍历、后序遍历外，还可以对二叉树进行层序遍历。设二叉树的根节点所在层数为1，层序遍历就是从所在二叉树的根节点出发，首先访问第一层的树根节点，然后从左到右访问第2层上的节点，接着是第三层的节点，以此类推，自上而下，自左至右逐层访问树的结点的过程就是层序遍历。
2.5.3 二叉树的基本操作
这些操作我们都采用子问题方式来解决
什么叫子问题？子问题就是将问题细分成一个一个相同的小问题来解决。
1.获取树中节点的个数
左树的结点+右树的结点+根结点
int size(TreeNode root) {
//子问题：左树结点的个数+右树结点的个数+根的个树
if(root == null) {
return 0;
}
return size(root.left) + size(root.right) + 1;
}
2.获取叶子节点的个数
左树的叶子节点+右树的叶子节点 （叶子节点就是左右都没有结点称为叶子节点）
int getLeafNodeCount(TreeNode root) {
if(root == null) {
return 0;
}
//判断是否为叶子结点
if(root.left == null && root.right == null) {
return 1;
}
return getLeafNodeCount(root.left) + getLeafNodeCount(root.right);
}
3.获取第K层节点的个数
每一次遍历左子树或右子树的时候k-1，当k==1时直接返回1.
int getKLevelNodeCount(TreeNode root,int k) {
if(root == null) {
return 0;
}
//k==1时返回1
if(k == 1) {
return 1;
}
//遍历左子树和右子树
return getKLevelNodeCount(root.left,k-1) + getKLevelNodeCount(root.right,k-1);
}
4.获取二叉树的高度
比较左子树和右子树的最大路径然后+1
int getHeight(TreeNode root) {
if(root == null) {
return 0;
}
//比较左子树与右子树的最大值然后加1
int getLeftMax = getHeight(root.left);
int getRightMax = getHeight(root.right);
return Math.max(getLeftMax,getRightMax) + 1;
}
int getHeight1(TreeNode root) {
if(root == null) {
return 0;
}
//比较左子树与右子树的最大值然后加1
return Math.max(getHeight1(root.left),getHeight1(root.right)) + 1;
}
5.检测值为value的元素是否存在
先判断根结点，然后遍历左子树和右子树
TreeNode find(TreeNode root, int val) {
if(root == null) {
return null;
}
//判断根结点是否为检测值
if(root.val == val) {
return root;
}
//然后遍历左子树，判断有没有和val值相同的，有则返回，没有则遍历右子树
TreeNode leftVal = find(root.left,val);
if(leftVal != null) {
return leftVal;
}
//然后遍历右子树，判断有没有和val值相同的，有则返回
TreeNode rightVal = find(root.right,val);
if(rightVal != null) {
return rightVal;
}
//说明左子树找不到右子树也找不到，最后返回null
return null;
}
希望大家可以给我点点关注，点点赞，并且在评论区发表你们的想法和意见，我会认真看每一条评论，你们的支持就是我的最大鼓励。🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹
版权声明：本文为博主作者：《黑巧克力》原创文章，版权归属原作者，如果侵权，请联系我们删除！
