python 二叉树类及其四种遍历方法

简介: python 二叉树类及其四种遍历方法

之前学习过binarytree第三方库,了解了它定义的各种基本用法。昨天在问答频道中做题时碰到一个关于二叉树的算法填空题,感觉代码不错非常值得学习,于是整理代码分享如下:

from collections import deque  #层遍历中用到队列数据类型
class BTNode:   #二叉链中结点类
    def __init__(self,d = None):
        self.data = d       #结点值
        self.lchild = None  #左hai子指针
        self.rchild = None  #右hai子指针
class BTree: #二叉树类
    def __init__(self,d = None):
        self.b = None       #根结点指针
    def DispBTree(self):    #返回二叉链的括号表示串
        return self._DispBTree1(self.b)
    def _DispBTree1(self,t):    #被DispBTree方法调用
        if t==None:             #空树返回空串
            return ""
        else:
            bstr = t.data       #输出根结点值
            if t.lchild != None or t.rchild != None:
                bstr += "("     #有hai子结点时输出"("
                bstr += self._DispBTree1(t.lchild)    #递归输出左子树
            if t.rchild != None:
                bstr += ","     #有右hai子结点时输出","
                bstr += self._DispBTree1(t.rchild)    #递归输出右子树
                bstr += ")"     #输出")"
        return bstr
    def FindNode(self,x):       #查找值为x的结点算法
        return self._FindNode1(self.b,x)
    def _FindNode1(self,t,x):   #被FindNode方法调用
        if t==None: 
            return None         #t为空时返回null
        elif t.data==x: 
            return t            #t所指结点值为x时返回t
        else:
            p = self._FindNode1(t.lchild,x)    #在左子树中查找
        if p != None: 
            return p            #在左子树中找到p结点,返回p
        else:
            return self._FindNode1(t.rchild,x)  #返回在右子树中查找结果
    def Height(self):           #求二叉树高度的算法
        return self._Height1(self.b)
    def _Height1(self,t):       #被Height方法调用
        if t==None:
            return 0            #空树的高度为0
        else:
            lh = self._Height1(t.lchild)    #求左子树高度lchildh
            rh = self._Height1(t.rchild)    #求右子树高度rchildh
        return max(lh,rh)+1
def PreOrder(bt):   #先序遍历的递归算法
    _PreOrder(bt.b)
def _PreOrder(t):   #被PreOrder方法调用
    if t != None:
        print(t.data,end = ' ')     #访问根结点
        _PreOrder(t.lchild)         #先序遍历左子树
        _PreOrder(t.rchild)         #先序遍历右子树
def InOrder(bt):    #中序遍历的递归算法
    _InOrder(bt.b)
def _InOrder(t):    #被InOrder方法调用
    if t != None:
        _InOrder(t.lchild)          #中序遍历左子树
        print(t.data,end = ' ')     #访问根结点
        _InOrder(t.rchild)          #中序遍历右子树
def PostOrder(bt):  #后序遍历的递归算法
    _PostOrder(bt.b)
def _PostOrder(t):  #被PostOrder方法调用
    if t != None:
        _PostOrder(t.lchild)        #后序遍历左子树
        _PostOrder(t.rchild)        #后序遍历右子树
        print(t.data,end = ' ')     #访问根结点
def LevelOrder(bt): #层序遍历的算法
    qu = deque()            #将双端队列作为普通队列qu
    qu.append(bt.b)         #根结点进队
    while len(qu)>0:        #队不空循环
        p = qu.popleft()            #出队一个结点
        print(p.data,end = ' ')     #访问p结点
        if p.lchild != None:        #有左hai子时将其进队
            qu.append(p.lchild)
        if p.rchild != None:        #有右hai子时将其进队
            qu.append(p.rchild)
def CreateBTree2(posts,ins):        #由后序序列posts和中序序列ins构造二叉链
    bt = BTree()
    bt.b = _CreateBTree2(posts,0,ins,0,len(posts))
    return bt
def _CreateBTree2(posts,i,ins,j,n):
    if n <= 0:
        return None
    d = posts[i+n-1]        #取后序序列尾元素d
    t = BTNode(d)           #创建根结点(结点值为d)
    p = ins.index(d)        #在ins中找到根结点的索引
    k = p-j                 #确定左子树中结点个数k
    t.lchild = _CreateBTree2(posts,i,ins,j,k)           #递归构造左子树
    t.rchild = _CreateBTree2(posts,i+k,ins,p+1,n-k-1)   #递归构造右子树
    return t
if __name__ == '__main__':
    inlst = ['D','G','B','A','E','C','F']
    posts = ['G','D','B','E','F','C','A']
    print(f"中序列表 :{inlst}")
    print(f"后序列表 :{posts}")
    #构造二叉树bt    
    bt = BTree()
    bt = CreateBTree2(posts,inlst)
    print(f"\n构造二叉树:{bt.DispBTree()}")
    x = 'F'
    if bt.FindNode(x):
        print(f"bt中存在 :'{x}'")
    else:
        print(f"bt中不存在 :'{x}'")
    print(f"bt的高度 :{bt.Height():^3}")
    print("\n先序遍历 :",end='')
    PreOrder(bt)
    print("\n中序遍历列 :",end='')
    InOrder(bt)
    print("\n后序遍历 :",end='')
    PostOrder(bt)
    print("\n层序遍历 :",end='')
    LevelOrder(bt)

   中序列表:['D', 'G', 'B', 'A', 'E', 'C', 'F']

   后序列表:['G', 'D', 'B', 'E', 'F', 'C', 'A']

   构造二叉树:A(B(D(,G),C(E,F))

   bt中存在 :'F'

   bt的高度 : 4  

   先序遍历 :A B D G C E F  

   中序遍历 :D G B A E C F  

   后序遍历 :G D B E F C A  

   层序遍历 :A B C D E F G  

相关阅读内容:


遍历图例:

20210725082352964.png


20210725083710482.png



20210725084708331.png


20210725085538742.png






目录
相关文章
|
2月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
81 3
|
15天前
|
存储 算法 Python
文件管理系统中基于 Python 语言的二叉树查找算法探秘
在数字化时代,文件管理系统至关重要。本文探讨了二叉树查找算法在文件管理中的应用,并通过Python代码展示了其实现过程。二叉树是一种非线性数据结构,每个节点最多有两个子节点。通过文件名的字典序构建和查找二叉树,能高效地管理和检索文件。相较于顺序查找,二叉树查找每次比较可排除一半子树,极大提升了查找效率,尤其适用于海量文件管理。Python代码示例包括定义节点类、插入和查找函数,展示了如何快速定位目标文件。二叉树查找算法为文件管理系统的优化提供了有效途径。
46 5
|
30天前
|
安全
Python-打印99乘法表的两种方法
本文详细介绍了两种实现99乘法表的方法:使用`while`循环和`for`循环。每种方法都包括了步骤解析、代码演示及优缺点分析。文章旨在帮助编程初学者理解和掌握循环结构的应用,内容通俗易懂,适合编程新手阅读。博主表示欢迎读者反馈,共同进步。
|
1月前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
225 5
|
2月前
|
算法 决策智能 Python
Python中解决TSP的方法
旅行商问题(TSP)是寻找最短路径,使旅行商能访问每个城市一次并返回起点的经典优化问题。本文介绍使用Python的`ortools`库解决TSP的方法,通过定义城市间的距离矩阵,调用库函数计算最优路径,并打印结果。此方法适用于小规模问题,对于大规模或特定需求,需深入了解算法原理及定制策略。
49 15
WK
|
2月前
|
Python
Python中format_map()方法
在Python中,`format_map()`方法用于使用字典格式化字符串。它接受一个字典作为参数,用字典中的键值对替换字符串中的占位符。此方法适用于从字典动态获取值的场景,尤其在处理大量替换值时更为清晰和方便。
WK
111 36
|
2月前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
128 4
|
2月前
|
Python
Python编程中的魔法方法(Magic Methods)
【10月更文挑战第40天】在Python的世界中,魔法方法就像是隐藏在代码背后的神秘力量。它们通常以双下划线开头和结尾,比如 `__init__` 或 `__str__`。这些方法定义了对象的行为,当特定操作发生时自动调用。本文将揭开这些魔法方法的面纱,通过实际例子展示如何利用它们来增强你的类功能。
28 1
|
2月前
|
算法 定位技术 Python
震惊!Python 图结构竟然可以这样玩?DFS&BFS 遍历技巧大公开
在 Python 编程中,图是一种重要的数据结构,而深度优先搜索(DFS)和广度优先搜索(BFS)是遍历图的两种关键算法。本文将通过定义图的数据结构、实现 DFS 和 BFS 算法,并通过具体示例展示其应用,帮助读者深入理解这两种算法。DFS 适用于寻找路径和检查图连通性,而 BFS 适用于寻找最短路径。掌握这些技巧,可以更高效地解决与图相关的复杂问题。
31 2
|
2月前
|
Python
不容错过!Python中图的精妙表示与高效遍历策略,提升你的编程艺术感
本文介绍了Python中图的表示方法及遍历策略。图可通过邻接表或邻接矩阵表示,前者节省空间适合稀疏图,后者便于检查连接但占用更多空间。文章详细展示了邻接表和邻接矩阵的实现,并讲解了深度优先搜索(DFS)和广度优先搜索(BFS)的遍历方法,帮助读者掌握图的基本操作和应用技巧。
41 4
下一篇
开通oss服务