介绍:
树是数据结构中非常重要的一种,主要的用途是用来提高查找效率,对于要重复查找的情况效果更佳,如二叉排序树、FP-树。另外可以用来提高编码效率,如哈弗曼树。
代码:
用python实现树的构造和几种遍历算法,虽然不难,不过还是把代码作了一下整理总结。实现功能:
- 树的构造
- 递归实现先序遍历、中序遍历、后序遍历
- 堆栈实现先序遍历、中序遍历、后序遍历
- 队列实现层次遍历
class Node(object): #节点类 def __init__(self,elem = -1,lchild = None,rchild = None): self.elem = elem self.lchild = lchild self.rchild = rchild class Tree(object): #树类 def __init__(self): self.root = Node() self.myQueue = [] def add(self,elem): #为树添加节点 node = Node(elem) if self.root.elem == -1: #如果树是空的,则对根节点赋值 self.root = node self.myQueue.append(self.root) else: treeNode = self.myQueue[0] #此节点的子树还没齐 if treeNode.lchild == None: treeNode.lchild = node self.myQueue.append(treeNode.lchild) else: treeNode.rchild = node self.myQueue.append(treeNode.rchild) self.myQueue.pop(0) #如果该节点存在右子树,将此节点丢弃 def front_digui(self,root): #利用递归实现树的先序遍历 if root == None: return print(root.elem) self.front_digui(root.lchild) self.front_digui(root.rchild) def middle_digui(self,root): #利用递归实现树的中序遍历 if root == None: return self.middle_digui(root.lchild) print(root.elem) self.middle_digui(root.rchild) def later_digui(self,root): #利用递归实现树的后序遍历 if root == None: return self.later_digui(root.lchild) self.later_digui(root.rchild) print(root.elem) def front_stack(self,root): #利用堆栈实现树的先序遍历 if root == None: return mystack = [] node = root while node or mystack: while node: #从根节点开始,一直找它的左子树 print(node.elem) mystack.append(node) node = node.lchild node = mystack.pop() #while结束表示node为空,应该转到前一个节点 node = node.rchild def middle_stack(self,root): #利用堆栈实现树的中序遍历 if root == None: return mystack = [] node = root while node or mystack: while node: mystack.append(node) node = node.lchild node = mystack.pop() print(node.elem) node = node.rchild def later_stack(self,root): #利用堆栈实现树的后序遍历 if root == None: return mystack1 = [] mystack2 = [] node = root mystack1.append(node) while mystack1: #这个while循环的功能是找出后序遍历的逆序,存在myStack2里面 node = mystack1.pop() if node.lchild: mystack1.append(node.lchild) if node.rchild: mystack1.append(node.rchild) mystack2.append(node) while mystack2: print(mystack2.pop().elem) def level_queue(self,root): #利用队列实现树的层次遍历 if root == None: return myQueue = [] node = root myQueue.append(node) while myQueue: node = myQueue.pop(0) print(node.elem) if node.lchild != None: myQueue.append(node.lchild) if node.rchild != None: myQueue.append(node.rchild) if __name__ == '__main__': #主函数 elems = range(10) #生成十个数据作为树节点 tree = Tree() #新建一个树对象 for elem in elems: tree.add(elem) #逐个添加树的节点 print("队列实现层次遍历") tree.level_queue(tree.root) print("\n\n递归实现先序遍历") tree.front_digui(tree.root) print("\n递归实现中序遍历") tree.middle_digui(tree.root) print("\n递归实现后序遍历") tree.later_digui(tree.root) print("\n\n堆栈实现先序遍历") tree.front_stack(tree.root) print("\n堆栈实现中序遍历") tree.middle_stack(tree.root) print("\n堆栈实现后序遍历") tree.later_stack(tree.root)
总结:
树的遍历主要有两种,一种是深度优先遍历,像前序、中序、后序;另一种是广度优先遍历,像层次遍历。在树结构中两者的区别还不是非常明显,但从树扩展到有向图,到无向图的时候,深度优先搜索和广度优先搜索的效率和作用还是有很大不同的。
深度优先一般用递归,广度优先一般用队列。一般情况下能用递归实现的算法大部分也能用堆栈来实现。
我印象中是有递归构造树的方法,却一直想不出该怎么构造。后来仔细想了一下,递归思想有点类似深度优先算法,而树的构造应该是广度优先的。如果用递归的话一定要有个终止条件,例如规定树深等。不然构造出来的树会偏向左单子树或者右单子树。所以一般树的构造还是应该用队列比较好。