Python数据结构与算法(第七天)
56.樹與樹算法
樹的概念
樹(英語:tree)是一種抽象數(shù)據(jù)類型(ADT)或是實作這種抽象數(shù)據(jù)類型的數(shù)據(jù)結(jié)構(gòu),用來模擬具有樹狀結(jié)構(gòu)性質(zhì)的數(shù)據(jù)集合。它是由n(n>=1)個有限節(jié)點組成一個具有層次關(guān)系的集合。把它叫做“樹”是因為它看起來像一棵倒掛的樹,也就是說它是根朝上,而葉朝下的。它具有以下的特點:
- 每個節(jié)點有零個或多個子節(jié)點;
- 沒有父節(jié)點的節(jié)點稱為根節(jié)點;
- 每一個非根節(jié)點有且只有一個父節(jié)點;
- 除了根節(jié)點外,每個子節(jié)點可以分為多個不相交的子樹;
??
樹的術(shù)語
- 節(jié)點的度:一個節(jié)點含有的子樹的個數(shù)稱為該節(jié)點的度;
- 樹的度:一棵樹中,最大的節(jié)點的度稱為樹的度;
- 葉節(jié)點或終端節(jié)點:度為零的節(jié)點;
- 父親節(jié)點或父節(jié)點:若一個節(jié)點含有子節(jié)點,則這個節(jié)點稱為其子節(jié)點的父節(jié)點;
- 孩子節(jié)點或子節(jié)點:一個節(jié)點含有的子樹的根節(jié)點稱為該節(jié)點的子節(jié)點;
- 兄弟節(jié)點:具有相同父節(jié)點的節(jié)點互稱為兄弟節(jié)點;
- 節(jié)點的層次:從根開始定義起,根為第1層,根的子節(jié)點為第2層,以此類推;
- 樹的高度或深度:樹中節(jié)點的最大層次;
- 堂兄弟節(jié)點:父節(jié)點在同一層的節(jié)點互為堂兄弟;
- 節(jié)點的祖先:從根到該節(jié)點所經(jīng)分支上的所有節(jié)點;
- 子孫:以某節(jié)點為根的子樹中任一節(jié)點都稱為該節(jié)點的子孫。
- 森林:由m(m>=0)棵互不相交的樹的集合稱為森林;
樹的種類
- 無序樹:樹中任意節(jié)點的子節(jié)點之間沒有順序關(guān)系,這種樹稱為無序樹,也稱為自由樹;
- 有序樹:樹中任意節(jié)點的子節(jié)點之間有順序關(guān)系,這種樹稱為有序樹;
- 二叉樹:每個節(jié)點最多含有兩個子樹的樹稱為二叉樹;
- 完全二叉樹:對于一顆二叉樹,假設(shè)其深度為d(d>1)。除了第d層外,其它各層的節(jié)點數(shù)目均已達最大值,且第d層所有節(jié)點從左向右連續(xù)地緊密排列,這樣的二叉樹被稱為完全二叉樹,其中滿二叉樹的定義是所有葉節(jié)點都在最底層的完全二叉樹;
- 平衡二叉樹(AVL樹):當且僅當任何節(jié)點的兩棵子樹的高度差不大于1的二叉樹;
- 排序二叉樹(二叉查找樹(英語:Binary Search Tree),也稱二叉搜索樹、有序二叉樹);
- 霍夫曼樹(用于信息編碼):帶權(quán)路徑最短的二叉樹稱為哈夫曼樹或最優(yōu)二叉樹;
- B樹:一種對讀寫操作進行優(yōu)化的自平衡的二叉查找樹,能夠保持數(shù)據(jù)有序,擁有多余兩個子樹。
- 二叉樹:每個節(jié)點最多含有兩個子樹的樹稱為二叉樹;
樹的存儲與表示
順序存儲:將數(shù)據(jù)結(jié)構(gòu)存儲在固定的數(shù)組中,然在遍歷速度上有一定的優(yōu)勢,但因所占空間比較大,是非主流二叉樹。二叉樹通常以鏈式存儲。?
?鏈式存儲:?
由于對節(jié)點的個數(shù)無法掌握,常見樹的存儲表示都轉(zhuǎn)換成二叉樹進行處理,子節(jié)點個數(shù)最多為2
常見的一些樹的應(yīng)用場景
1.xml,html等,那么編寫這些東西的解析器的時候,不可避免用到樹
2.路由協(xié)議就是使用了樹的算法
3.mysql數(shù)據(jù)庫索引
4.文件系統(tǒng)的目錄結(jié)構(gòu)
5.所以很多經(jīng)典的AI算法其實都是樹搜索,此外機器學習中的decision tree也是樹結(jié)構(gòu)
57.二叉樹的概念
二叉樹的基本概念
二叉樹是每個節(jié)點最多有兩個子樹的樹結(jié)構(gòu)。通常子樹被稱作“左子樹”(left subtree)和“右子樹”(right subtree)
二叉樹的性質(zhì)(特性)
性質(zhì)1:?在二叉樹的第i層上至多有2^(i-1)個結(jié)點(i>0)
性質(zhì)2:?深度為k的二叉樹至多有2^k - 1個結(jié)點(k>0)
性質(zhì)3:?對于任意一棵二叉樹,如果其葉結(jié)點數(shù)為N0,而度數(shù)為2的結(jié)點總數(shù)為N2,則N0=N2+1;
性質(zhì)4:具有n個結(jié)點的完全二叉樹的深度必為 log2(n+1)
性質(zhì)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(jié)點,其左孩子編號必為2i,其右孩子編號必為2i+1;其雙親的編號必為i/2(i=1 時為根,除外)
?
58.二叉樹的廣度優(yōu)先遍歷
二叉樹的節(jié)點表示以及樹的創(chuàng)建
class Node(object):"""節(jié)點類"""def __init__(self, item):self.item = itemself.lchild = Noneself.rchild = Noneclass Tree(object):"""樹類"""def __init__(self):self.root = None59.二叉樹的實現(xiàn)
二叉樹的實現(xiàn)
class Node(object):"""節(jié)點類"""def __init__(self, item):self.item = itemself.lchild = Noneself.rchild = Noneclass Tree(object):"""樹類"""def __init__(self):self.root = Nonedef add(self,item):node = Node(item)if self.root is None:self.root = nodereturnqueue = [self.root]while queue:cur_node = queue.pop(0)if cur_node.lchild is None:cur_node.lchild = nodereturnelse:queue.append(cur_node.lchild)if cur_node.rchild is None:cur_node.rchild = nodereturnelse:queue.append(cur_node.rchild)60.二叉樹的先序、中序、后序遍歷
廣度優(yōu)先遍歷(層次遍歷)
從樹的root開始,從上到下從從左到右遍歷整個樹的節(jié)點
def breadth_travel(self):"""利用隊列實現(xiàn)樹的層次遍歷"""if self.root is None:returnqueue = [self.root]while queue:cur_node = queue.pop(0)print(cur_node.item)if cur_node.lchild is not None:queue.append(cur_node.lchild)if cur_node.rchild is not None:queue.append(cur_node.rchild) if __name__ == "__main__":tree = Tree()tree.add(1)tree.add(2)tree.add(3)tree.add(4)tree.add(5)tree.breadth_travel() 1 2 3 4 5深度優(yōu)先遍歷
對于一顆二叉樹,深度優(yōu)先搜索(Depth First Search)是沿著樹的深度遍歷樹的節(jié)點,盡可能深的搜索樹的分支。
那么深度遍歷有重要的三種方法。這三種方式常被用于訪問樹的節(jié)點,它們之間的不同在于訪問每個節(jié)點的次序不同。這三種遍歷分別叫做先序遍歷(preorder),中序遍歷(inorder)和后序遍歷(postorder)。我們來給出它們的詳細定義,然后舉例看看它們的應(yīng)用。
先序遍歷
在先序遍歷中,我們先訪問根節(jié)點,然后遞歸使用先序遍歷訪問左子樹,再遞歸使用先序遍歷訪問右子樹
根節(jié)點->左子樹->右子樹
中序遍歷
在中序遍歷中,我們遞歸使用中序遍歷訪問左子樹,然后訪問根節(jié)點,最后再遞歸使用中序遍歷訪問右子樹
左子樹->根節(jié)點->右子樹
后序遍歷 在后序遍歷中,我們先遞歸使用后序遍歷訪問左子樹和右子樹,最后訪問根節(jié)點
左子樹->右子樹->根節(jié)點
61.二叉樹由遍歷確定一棵樹
二叉樹由遍歷確定一棵樹
后續(xù)遍歷:7 8 3 9 4 1 5 6 2 0? ? ? ?左右根
中序遍歷:7?3 8 1 9 4 0 5 2 6? ? ? ?左根右
總結(jié)
以上是生活随笔為你收集整理的Python数据结构与算法(第七天)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Python数据结构与算法(第六天)
- 下一篇: Python开源爬虫项目代码:抓取淘宝、