树(Tree)和二叉树(Binary Tree)——(概念篇)

简介: 树(Tree)和二叉树(Binary Tree)——(概念篇)

一、树的基本概念及结构

1、树的概念

(1)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。

(2)有一个特殊的结点,称为根结点,根节点没有前驱结点。

除根节点外,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)又是一棵结构与树类似的子树。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)因此,树是递归定义的。

注意:树形结构中,子树之间不能有交集,否则就不是树形结构。

2、树的相关概念

节点的度:一个节点含有的子树的个数称为该节点的度; 如上图:A的为6。

叶节点或终端节点:度为0的节点称为叶节点; 如上图:B、C、H、I…等节点为叶节点。

非终端节点或分支节点:度不为0的节点; 如上图:D、E、F、G…等节点为分支节点。

双亲节点或父节点:若一个节点含有子节点,则这个节点称为其子节点的父节点; 如上图:A是B的父节点。

孩子节点或子节点:一个节点含有的子树的根节点称为该节点的子节点; 如上图:B是A的孩子节点。

兄弟节点:具有相同父节点的节点互称为兄弟节点; 如上图:B、C是兄弟节点

树的度:一棵树中,最大的节点的度称为树的度; 如上图:树的度为6。

节点的层次:从根开始定义起,根为第1层,根的子节点为第2层,以此类推。

树的高度或深度:树中节点的最大层次; 如上图:树的高度为4。

堂兄弟节点:双亲在同一层的节点互为堂兄弟;如上图:H、I互为兄弟节点

节点的祖先:从根到该节点所经分支上的所有节点;如上图:A是所有节点的祖先。

子孙:以某节点为根的子树中任一节点都称为该节点的子孙。如上图:所有节点都是A的子孙。

森林:由m(m>0)棵互不相交的树的集合称为森林。

3、树的表示

树常见的表示方式有很多,这里我们讲解最常见的左孩子又兄弟表示法。

typedef int DataType;
struct Node
{
 struct Node* _firstChild1; // 第一个孩子结点
 struct Node* _pNextBrother; // 指向其下一个兄弟结点
 DataType _data; // 结点中的数据域
};

4、树在生活中的应用

二、二叉树的概念和结构

1、概念

  1. 或者为空
  2. 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
  3. 二叉树不存在度大于2的结点
  4. 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

2、特殊的两种二叉树

1、完全二叉树:一棵深度为k的有n个结点的二叉树,对树中的结点按从上至下、从左到右的顺序进行编号,如果编号为i(1≤i≤n)的结点与满二叉树中编号为i的结点在二叉树中的位置相同,则这棵二叉树称为完全二叉树。

2.满二叉树:除最后一层无任何子节点外,每一层上的所有结点都有两个子结点的二叉树。

3、二叉树的性质结论

  1. 若规定根节点的层数为1,则一棵非空二叉树的第i层上最多有2^(h-1)个结点。
  2. 若规定根节点的层数为1,则深度为h的二叉树的最大结点数是 2^(h)-1。
  3. 对任何一棵二叉树, 如果度为0其叶结点个数为N0 , 度为2的分支结点个数为N2 ,则有 N0= N2+1。
  4. 若规定根节点的层数为1,具有n个结点的满二叉树的深度,h= log(N+1)。
  5. 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数组顺序对所有节点从0开始编号,则对
    于序号为i的结点有:
  6. 若i>0,i位置节点的双亲序号:(i-1)/2;i=0,i为根节点编号,无双亲节点
  7. 若2i+1<n,左孩子序号:2i+1,2i+1>=n否则无左孩子
  8. 若2i+2<n,右孩子序号:2i+2,2i+2>=n否则无右孩子

4、二叉树的存储

二叉树一般可以使用两种结构存储,一种顺序结构,一种链式结构。

1、顺序存储

2、链式存储

5、二叉树的链式实现

typedef int BTDataType;
typedef struct BinaryTreeNode
{
 BTDataType _data;
 struct BinaryTreeNode* _left;
 struct BinaryTreeNode* _right;
}BTNode;
BTNode* CreatBinaryTree()
{
 BTNode* node1 = BuyNode(1);
 BTNode* node2 = BuyNode(2);
 BTNode* node3 = BuyNode(3);
 BTNode* node4 = BuyNode(4);
 BTNode* node5 = BuyNode(5);
 BTNode* node6 = BuyNode(6);
 node1->_left = node2;
 node1->_right = node4;
 node2->_left = node3;
 node4->_left = node5;
 node4->_right = node6;
 return node1;
 }

6.二叉树的遍历

二叉树的递归遍历:前序,中序,后序。

  1. 前序遍历(Preorder Traversal 亦称先序遍历)——访问根结点的操作发生在遍历其左右子树之前。
  2. 中序遍历(Inorder Traversal)——访问根结点的操作发生在遍历其左右子树之中(间)。
  3. 后序遍历(Postorder Traversal)——访问根结点的操作发生在遍历其左右子树之后。

二叉树的非递归遍历:层序

1、层序遍历:层序遍历就是按层从上到下,每层按一定顺序对树的节点进行遍历。


总结

以上是树和二叉树的基本概念和性质,学好树和二叉树为以后高阶数据结构打下稳固基础,奥利给!!!

目录
相关文章
|
7月前
|
存储 算法
树(Tree) - 概念与基础
树(Tree) - 概念与基础
119 2
|
7月前
|
缓存 索引
图解B Tree和B+ Tree
图解B Tree和B+ Tree
74 0
|
机器学习/深度学习 存储
【霍罗维兹数据结构】树的基本概念 | 树的表示 | 二叉树 - BINARY TREES
【霍罗维兹数据结构】树的基本概念 | 树的表示 | 二叉树 - BINARY TREES
78 0
|
6月前
|
存储 算法 编译器
|
7月前
|
存储 算法 Python
赢者树(Losers Tree)
赢者树(Losers Tree)是一种经典的数据结构,常用于外部排序(External Sorting)算法中,将多个有序的子序列合并成一个有序的序列。赢者树本质上是一棵完全二叉树,每个节点存储着一个子序列的最小值。每次合并操作时,比较各个子序列的最小值,选出最小值并将其存入输出序列中,同时将该最小值所在的节点从赢者树中删除,并将其对应的子序列的下一个元素作为新的最小值插入到赢者树中进行调整,直到所有子序列的元素都被合并完成。
81 3
树(Tree)和二叉树(Binary Tree)——(代码篇)
树(Tree)和二叉树(Binary Tree)——(代码篇)
78 0
|
算法
数据结构和算法(树Tree)
树 概述: 树: 是一种经常用到的数据结构,用来模拟具有树状结构性质的数据集合。 树里的每一个节点有一个值和一个包含所有子节点的列表。从图的观点来看,树也可视为一个拥有N 个节点和N-1 条边的一个有向无环图。 二叉树: 是一种更为典型的树状结构。如它名字所描述的那样,二叉树是每个节点最多有两个子树的树结构,通常子树被称作“左子树”和“右子树”。 树的遍历 前序遍历 前序遍历首先访问根节点,然后遍历左子树,最后遍历右子树。 中序遍历 中序遍历是先遍历左子树,然后访问根节点,然后遍历右子树。 我们可以通过中序遍历得到一个递增的有序序列 后序遍历 后序遍历是先遍历左子树,然后遍历右子树,最后访
201 0
|
Web App开发 存储 算法
数据结构——树(tree)(1)
笔者看过很多的数据结构的课程和图书,市面上写的都良莠不齐,走了很多的弯路,所以笔者决定自己写下对数据结构的理解。在我的数据结构的文章或者说课程中,我将考研的常见题目和一些生活化的例子融入数据结构的课程中,尽量让你理解起来不困难,尽快学会这个知识点,在这只讨论数据结构,不讨论算法,请系好安全带,坐好了。
167 0
数据结构——树(tree)(1)
|
存储 数据库 索引
简简单单了解一下B+Tree和B-Tree
1)B+Tree 是B-Tree的改进版本,同时也是数据库索引索引所采用的存储结构。
156 0
|
存储 区块链 数据库
Merkle Patrcia Tree原理
Merkle Patrcia Tree 是结合了Merkle Tree和Patricia Tree两种数据类型的优点的数据结构,所以我们接下来将分别讨论这几种树。 一 Merkle Tree 1  Merkle Tree Merkle Tree(梅克尔树)可以是二叉树,也可以是多叉树;最下面的叶子节点包含基数数据,非叶子节点存储的是其子节点的hash。
2366 0