【数据结构】树型结构详解 + 堆的实现(c语言)(附源码)

简介: 本文介绍了树和二叉树的基本概念及结构,重点讲解了堆这一重要的数据结构。堆是一种特殊的完全二叉树,常用于实现优先队列和高效的排序算法(如堆排序)。文章详细描述了堆的性质、存储方式及其实现方法,包括插入、删除和取堆顶数据等操作的具体实现。通过这些内容,读者可以全面了解堆的原理和应用。

前言

       在编程的世界里,数据结构是构建高效、可靠软件大厦的基石。而当我们谈论起那些既经典又充满活力的数据结构时,无疑是一个不可忽视的存在。然而,在深入了解堆之前,让我们先回溯到其根源——,这个在计算机科学中同样占据核心地位的数据结构。


一、树

1.树的概念与结构

       与线性表不同,树是一种非线性的数据结构,它是由n(n>=0)个节点所构成的有层次关系的数据结构。它的层次关系看起来就像是一棵倒挂的树


2.树的相关术语

       相比于线性表,树的逻辑结构较为复杂,所以出现了一些常用的术语,便于我们对树的结构进行分析。接下来我们结合上图来一一介绍这些术语及其含义。


1.根节点:就像树根一样,树中所有节点都是从节点A发出的,这样的节点叫做根节点。(一棵树只有一个根节点)


2.:连接两个节点的线叫做树的边(一棵有N个节点的树具有N-1条边)。


3.父节点/双亲节点:对于一个节点,父节点/双亲节点可以理解为与其连接的上面的节点。如图所示,B,C,D,E的父节点都是A。(除根节点之外,所有节点有且仅有一个父节点)


4.子节点/孩子节点:与父节点相反,你是我的父节点,那么我就是你的子节点。对于节点A,则B,C,D,E都是它的子节点。


5.节点的度:一个节点有多少个子节点,那么它的度就是多少。例如:节点A的度为4,节点B的度为3,节点C的度为0。


6.树的度:所有节点的度的最大值叫做树的度。如图,这颗树的度就是4。


7.叶子节点/终端节点:度为0的节点称之为叶子节点/终端节点。如图,这颗树中的叶子节点为:F,G,H,C,L,M,J,K。


8.分支节点/非终端节点:度不为0的节点称之为分支节点/非终端节点。除了叶子节点外,其他节点都是分支节点。


9.兄弟节点:具有相同父节点的节点互称为兄弟节点。例如,B,C,D,E是兄弟节点,F,G,H是兄弟节点。


10.节点的层次:由根节点开始,根节点为第一层;它的所有子节点为第二层;子节点的子节点为第三层;以此类推。


11.树的高度/深度:节点的最大层次叫做树的高度/深度。如图,这颗树的高度为4。


12.节点的祖先:对于一个节点,从根节点开始到该节点所经的所有节点(除该节点本身)都叫做该节点的祖先。例如:A,B是G的祖先,A,D,I是L的祖先。


13.路径:从任意节点开始,沿着边到达任意其他节点所经过的节点构成的序列叫做路径。例如:A到L的路径为:A-D-I-L。


14.子孙:与祖先相反,你是我的祖先,我就是你的子孙。例如,F,G,H是B的子孙;所有除A外的节点都是A的子孙。


15.森林:由m(m>0)棵互不相交的树(不同树之间没有相交节点)所构成的集合叫做森林。如图,如果将根节点A删除,剩下的子树组成的部分就是森林。


注意:树形结构当中,子树之间不能有相交的情况,否则就不是树。


如图,以下结构都不是树型结构:



3.树的表示方法

       一般我们表示树时,会在节点中定义指向其子节点的指针,但是由于有些树各个节点的度不一定相同,定义的指针数也无法确定,所以就出现了孩子兄弟表示法


       顾名思义,孩子兄弟表示法就是定义指向子节点的指针和兄弟节点的指针:

struct TreeNode
{
    int data;//数据域
    struct TreeNode* child;//指向孩子的指针
    struct TreeNode* brother;//指向兄弟的指针
};

这样只需要指向节点的其中一个子节点,然后令其指向更多的兄弟节点,这样就能够表示一个节点的所有子节点了。我们画图表示一下该结构:



4.树型结构的实际应用场景

       树型结构在计算机中是被广泛使用的。例如:操作系统中文件根目录与子目录之间的关系、数据库的索引、编译器中的语法树、网络路由协议的构成等。在这些实例中,树形结构对文件的访问、程序的运行效率有很大的帮助。


二、二叉树

1.二叉树的概念与结构

       在树形结构当中,最常用的一种数据结构就是二叉树。所谓二叉树,指的是每一个节点的度不超过2的树



       一棵二叉树可以分为根节点、左子树、右子树,对于每一棵子树,也可以这样细分,直到其子树不存在为止。这里要注意:左右子树的次序不能颠倒


2.二叉树的性质

       二叉树有以下基本性质:


1.一棵非空二叉树的第 层最多有 个节点。


2.高度为 的二叉树的最大节点个数是


3.对于任何一颗非空二叉树,设其度为2的节点个数为 ,度为1的节点个数为 ,叶子节点个数为 ,边数为 ,则有  、


3.满二叉树

       满二叉树是一种特殊的二叉树。它的定义如下:对于一个二叉树,如果它每一层的节点数都达到最大值( ,它就是一个满二叉树。如图所示,这是一棵高度为3的满二叉树:



满二叉树的性质:具有 个节点的满二叉树的高度


4.完全二叉树

       完全二叉树也是一种特殊的二叉树。通俗的讲,一个完全二叉树需要满足两个条件:


1.对于一棵高度为N的二叉树,第1层到第N-1层的节点数均达到最大值。

2.最后一层的节点必须是从左到右连续排列的状态。


如图,这就是一个完全二叉树:



       可以看出,在最后一层,H、I、J三个节点是从左到右连续排列的状态,而其他层的节点数均达到了最大值。当然,由于满二叉树满足完全二叉树的条件,所以它是一种特殊的完全二叉树


完全二叉树的性质:具有 个节点的完全二叉树的高度


5.二叉树的存储形式

       一般来讲,二叉树的存储形式有两种:顺序存储结构链式存储结构


5.1 顺序存储结构

       所谓顺序存储,就是用数组来存储二叉树的数据。我们画图表示一下数组存储二叉树数据的形式:



对比两图可以看出,对于非完全二叉树,它的顺序存储会浪费一定的空间,所以完全二叉树更适合顺序存储


通常情况下,我们将采用顺序存储结构存储的完全二叉树叫做堆。


5.2 链式存储结构

       与链表相同,链式存储结构是指用节点和指针来表示数据元素之间的逻辑关系。通常情况下,二叉树的链式存储结构分为二叉链和三叉链。二叉链的指针域包含左右孩子节点的地址;三叉链的指针域比二叉链多一个指向父节点的指针

//二叉链
struct BTreeNode
{
    int data;
    struct BTreeNode* leftchild;
    struct BTreeNode* rightchild;
};
//三叉链
struct BTreeNode
{
    int data;
    struct BTreeNode* leftchild;
    struct BTreeNode* rightchild;
    struct BTreeNode* parent;
};

三、二叉树顺序结构--堆

       之前我们提到,采用顺序存储结构存储的完全二叉树叫做堆。接下来我们深入学习堆并且尝试实现它的一些功能。


1.堆的结构特点和性质

       堆除了满足完全二叉树的性质之外,它还有一些自身的特性。我们首先从堆的分类开始讲起。


堆可以被分为小堆和大堆。它们的区别如下:


1.小堆(小根堆):根节点(堆顶)的值总是整个堆中的最小值,且堆中每个节点的值都小于等于其子节点的值。


2.大堆(大根堆):根节点(堆顶)的值总是整个堆中的最大值,且堆中每个节点的值都大于等于其子节点的值。



注:堆的节点只是满足小于等于(大于等于)其子节点的值,而两兄弟节点之间的大小是没有要求的。


综上所述,堆具有以下性质:


1.堆总是一棵完全二叉树。

2.堆中的任意节点(非叶子节点)的值总是 小于等于/大于等于 其子节点的值。


       由于堆的逻辑结构是完全二叉树,但是其物理结构是顺序存储的,为了体现其逻辑结构,有一套堆中节点关系的计算公式如下(重要)


设堆中具有n个节点,按照数组下标 对应每一个节点,则对于下标 的节点


1.其父节点的下标为: ( i 为0的节点无父节点)


2.其左孩子节点的下标为: (孩子下标超过n-1,说明没有孩子节点)


3.其 右孩子节点 的下标为: (孩子下标超过n-1,说明没有孩子节点)

2.堆的实现

2.1 堆的结构定义

       看完了这么多的理论知识之后,我们正式开始实现一个小堆。由于堆的底层是数组,它的结构定义如下:

typedef int HPDataType;
 
//定义堆的结构
typedef struct Heap
{
    HPDataType* arr;//数组起始指针
    int capacity;//堆的空间大小
    int size;//堆中有效数据个数
}HP;

2.2 方法的声明

       以下是堆的常用方法声明:

//初始化
void HPInit(HP* php);
 
//销毁
void HPDestroy(HP* php);
 
//判空
bool HPEmpty(HP* php);
 
//辅助函数交换两数据
void Swap(HPDataType* x, HPDataType* y);
 
//堆的向上调整
void AdjustUp(HPDataType* arr, int child);
 
//堆的向下调整
void AdjustDown(HPDataType* arr, int parent, int n);
 
//插入
void HPPush(HP* php, HPDataType n);
 
//删除
void HPPop(HP* php);
 
//取堆顶数据
HPDataType HPTop(HP* php);

2.3 方法的实现

2.3.1 初始化

       由于堆的底层是数组,初始化和销毁时的操作与顺序表相同。

//初始化
void HPInit(HP* php)
{
    assert(php);//防止传空指针
    php->arr = NULL;
    php->capacity = php->size = 0;
}

2.3.2 销毁

//销毁
void HPDestroy(HP* php)
{
    assert(php);//防止传空指针
    if (php->arr)//防止多次释放空间
    {
        free(php->arr);
    }
    php->arr = NULL;
    php->capacity = php->size = 0;
}

2.3.3 判空

       当堆中有效数据为0时,堆即为空。

//判空
bool HPEmpty(HP* php)
{
    assert(php);
    return php->size == 0;
}

2.3.4 辅助函数交换两数据

       这是一个辅助函数,用于之后插入和删除时交换堆中的数据元素。

//辅助函数交换两数据
void Swap(HPDataType* x, HPDataType* y)
{
    HPDataType tmp = *x;
    *x = *y; 
    *y = tmp;
}

2.3.5 插入

       一般情况下,我们进行插入操作时,是从数组尾部进行插入的。由于我们实现的是小堆,小堆的非叶子节点要小于等于其子节点的值,当我们从数组末尾插入数据时,新的元素可能会小于其父节点的值,就不满足堆的条件了。所以在数据插入之后,要对该数据进行向上调整,按照其值将其放在合适的位置。以下是一个元素进行向上调整的示例过程:



接下来,我们尝试实现插入操作和向上调整算法:

//插入
void HPPush(HP* php, HPDataType n)
{
    assert(php);
    if (php->capacity == php->size)//空间已满,需要增容
    {
        int NewCapacity = php->capacity == 0 ? 4 : 2 * php->capacity;
        HPDataType* tmp = (HPDataType*)realloc(php->arr, NewCapacity * sizeof(HPDataType));//申请内存空间
        if (tmp == NULL)//内存申请失败,直接退出程序
        {
            perror("realloc");
            exit(1);
        }
        php->arr = tmp;//将申请好的空间赋值给起始指针
        php->capacity = NewCapacity;//设置新的空间大小
    }
    php->arr[php->size] = n;//插入新元素
 
    //此时的size没有自增,表示新元素的下标
    AdjustUp(php->arr, php->size);//向上调整
 
    php->size++;//调整之后,元素个数+1
}
//堆的向上调整
void AdjustUp(HPDataType* arr, int child)
{
    int parent = (child - 1) / 2;//先找到父节点的下标
    while (parent >= 0)//父节点下标<0时,已越界
    {
        if (arr[child] < arr[parent])//若孩子节点的值小于父节点的值,就需要调整
        {
            Swap(&arr[child], &arr[parent]);//交换两元素
 
            //此时,新的孩子节点跑到了原来父节点的位置
            child = parent;
            parent = (child - 1) / 2;//确定新的父节点
        }
        else//其他情况说明已经调整完成,退出循环
        {
            break;
        }
    }
}

2.3.6 删除

       堆在进行删除操作时,一般情况是在堆顶出数据的。如果我们直接删除堆顶数据,剩下的部分就不满足堆的条件,并且重新建堆十分麻烦。所以我们首先需要将堆顶数据A与数组最后一个数据B进行交换,然后删除数据A,再针对数据B进行向下调整。以下是数据删除和向下调整的示例:



现在,我们尝试实现删除操作和向下调整算法:

//删除
void HPPop(HP* php)
{
    assert(php);
    assert(!HPEmpty(php));//确保堆不为空
    Swap(&php->arr[0], &php->arr[php->size - 1]);//交换堆顶元素和最后一个数据
    php->size--;//空间大小-1,相当于将最后一个数据删除
 
    //此时的size已经自减,表示有效数据个数
    AdjustDown(php->arr, 0, php->size);
}
//堆的向下调整
void AdjustDown(HPDataType* arr, int parent, int n)
{
    int child = parent * 2 + 1;//先找到左孩子的下标
    while (child < n)//当孩子节点下标>=n时,已越界
    {
        //若右孩子存在,则将左孩子和右孩子进行比较,找到更小的子节点便于调整交换,保证小堆的特性
        if (child + 1 < n && arr[child] > arr[child + 1])
        {
            child++;
        }
        if (arr[parent] > arr[child])//父节点的值大于子节点,需要调整
        {
            Swap(&arr[parent], &arr[child]);
 
            //此时父节点跑到了孩子节点的位置
            parent = child;
            child = parent * 2 + 1;//确定新的孩子节点
        }
        else//其他情况,调整完成退出循环
        {
            break;
        }
    }
}

2.3.7 取堆顶数据

       由于堆存放在数组当中,堆顶数据即是数组的首元素,直接返回即可。

//取堆顶数据
HPDataType HPTop(HP* php)
{
    assert(php && !HPEmpty(php));
    return php->arr[0];
}

2.4 程序全部代码

       程序全部代码如下:

typedef int HPDataType;
 
//定义堆的结构
typedef struct Heap
{
    HPDataType* arr;//数组起始指针
    int capacity;//堆的空间大小
    int size;//堆中有效数据个数
}HP;
 
//初始化
void HPInit(HP* php);
 
//销毁
void HPDestroy(HP* php);
 
//判空
bool HPEmpty(HP* php);
 
//辅助函数交换两数据
void Swap(HPDataType* x, HPDataType* y);
 
//堆的向上调整
void AdjustUp(HPDataType* arr, int child);
 
//堆的向下调整
void AdjustDown(HPDataType* arr, int parent, int n);
 
//插入
void HPPush(HP* php, HPDataType n);
 
//删除
void HPPop(HP* php);
 
//取堆顶数据
HPDataType HPTop(HP* php);
 
//初始化
void HPInit(HP* php)
{
    assert(php);//防止传空指针
    php->arr = NULL;
    php->capacity = php->size = 0;
}
 
//销毁
void HPDestroy(HP* php)
{
    assert(php);//防止传空指针
    if (php->arr)//防止多次释放空间
    {
        free(php->arr);
    }
    php->arr = NULL;
    php->capacity = php->size = 0;
}
 
//判空
bool HPEmpty(HP* php)
{
    assert(php);
    return php->size == 0;
}
 
//辅助函数交换两数据
void Swap(HPDataType* x, HPDataType* y)
{
    HPDataType tmp = *x;
    *x = *y; 
    *y = tmp;
}
 
//堆的向上调整
void AdjustUp(HPDataType* arr, int child)
{
    int parent = (child - 1) / 2;//先找到父节点的下标
    while (parent >= 0)//父节点下标<0时,已越界
    {
        if (arr[child] < arr[parent])//若孩子节点的值小于父节点的值,就需要调整
        {
            Swap(&arr[child], &arr[parent]);//交换两元素
 
            //此时,孩子节点跑到了原来父节点的位置
            child = parent;
            parent = (child - 1) / 2;//确定新的父节点
        }
        else//其他情况说明已经调整完成,退出循环
        {
            break;
        }
    }
}
 
//堆的向下调整
void AdjustDown(HPDataType* arr, int parent, int n)
{
    int child = parent * 2 + 1;//先找到左孩子的下标
    while (child < n)//当孩子节点下标>=n时,已越界
    {
        //若右孩子存在,则将左孩子和右孩子进行比较,找到更小的子节点便于调整交换,保证小堆的特性
        if (child + 1 < n && arr[child] > arr[child + 1])
        {
            child++;
        }
        if (arr[parent] > arr[child])//父节点的值大于子节点,需要调整
        {
            Swap(&arr[parent], &arr[child]);
 
            //此时父节点跑到了孩子节点的位置
            parent = child;
            child = parent * 2 + 1;//确定新的孩子节点
        }
        else//其他情况,调整完成退出循环
        {
            break;
        }
    }
}
 
//插入
void HPPush(HP* php, HPDataType n)
{
    assert(php);
    if (php->capacity == php->size)//空间已满,需要增容
    {
        int NewCapacity = php->capacity == 0 ? 4 : 2 * php->capacity;
        HPDataType* tmp = (HPDataType*)realloc(php->arr, NewCapacity * sizeof(HPDataType));//申请内存空间
        if (tmp == NULL)//内存申请失败,直接退出程序
        {
            perror("realloc");
            exit(1);
        }
        php->arr = tmp;//将申请好的空间赋值给起始指针
        php->capacity = NewCapacity;//设置新的空间大小
    }
    php->arr[php->size] = n;//插入新元素
 
    //此时的size没有自增,表示新元素的下标
    AdjustUp(php->arr, php->size);//向上调整
 
    php->size++;//调整之后,元素个数+1
}
 
//删除
void HPPop(HP* php)
{
    assert(php);
    assert(!HPEmpty(php));//确保堆不为空
    Swap(&php->arr[0], &php->arr[php->size - 1]);//交换堆顶元素和最后一个数据
    php->size--;//空间大小-1,相当于将最后一个数据删除
 
    //此时的size已经自减,表示有效数据个数
    AdjustDown(php->arr, 0, php->size);
}
 
//取堆顶数据
HPDataType HPTop(HP* php)
{
    assert(php && !HPEmpty(php));
    return php->arr[0];
}

总结

       今天我们学习了树、二叉树的概念,基本结构,以及二叉树顺序结构--堆的实现。由堆的特性所创造的排序算法--堆排序是一种效率很高的排序算法,在各种领域广泛使用。如果你觉得博主讲的还不错,就请留下一个小小的赞在走哦,感谢大家的支持❤❤❤

相关文章
|
7天前
|
弹性计算 双11 开发者
阿里云ECS“99套餐”再升级!双11一站式满足全年算力需求
11月1日,阿里云弹性计算ECS双11活动全面开启,在延续火爆的云服务器“99套餐”外,CPU、GPU及容器等算力产品均迎来了全年最低价。同时,阿里云全新推出简捷版控制台ECS Lite及专属宝塔面板,大幅降低企业和开发者使用ECS云服务器门槛。
|
24天前
|
存储 弹性计算 人工智能
阿里云弹性计算_通用计算专场精华概览 | 2024云栖大会回顾
阿里云弹性计算产品线、存储产品线产品负责人Alex Chen(陈起鲲)及团队内多位专家,和中国电子技术标准化研究院云计算标准负责人陈行、北京望石智慧科技有限公司首席架构师王晓满两位嘉宾,一同带来了题为《通用计算新品发布与行业实践》的专场Session。本次专场内容包括阿里云弹性计算全新发布的产品家族、阿里云第 9 代 ECS 企业级实例、CIPU 2.0技术解读、E-HPC+超算融合、倚天云原生算力解析等内容,并发布了国内首个云超算国家标准。
阿里云弹性计算_通用计算专场精华概览 | 2024云栖大会回顾
|
6天前
|
人工智能 弹性计算 文字识别
基于阿里云文档智能和RAG快速构建企业"第二大脑"
在数字化转型的背景下,企业面临海量文档管理的挑战。传统的文档管理方式效率低下,难以满足业务需求。阿里云推出的文档智能(Document Mind)与检索增强生成(RAG)技术,通过自动化解析和智能检索,极大地提升了文档管理的效率和信息利用的价值。本文介绍了如何利用阿里云的解决方案,快速构建企业专属的“第二大脑”,助力企业在竞争中占据优势。
|
5天前
|
人工智能 自然语言处理 安全
创新不设限,灵码赋新能:通义灵码新功能深度评测
自从2023年通义灵码发布以来,这款基于阿里云通义大模型的AI编码助手迅速成为开发者心中的“明星产品”。它不仅为个人开发者提供强大支持,还帮助企业团队提升研发效率,推动软件开发行业的创新发展。本文将深入探讨通义灵码最新版本的三大新功能:@workspace、@terminal 和 #team docs,分享这些功能如何在实际工作中提高效率的具体案例。
|
8天前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
3915 2
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
11天前
|
负载均衡 算法 网络安全
阿里云WoSign SSL证书申请指南_沃通SSL技术文档
阿里云平台WoSign品牌SSL证书是由阿里云合作伙伴沃通CA提供,上线阿里云平台以来,成为阿里云平台热销的国产品牌证书产品,用户在阿里云平台https://www.aliyun.com/product/cas 可直接下单购买WoSign SSL证书,快捷部署到阿里云产品中。
2182 6
阿里云WoSign SSL证书申请指南_沃通SSL技术文档
|
4天前
|
安全 数据建模 网络安全
2024阿里云双11,WoSign SSL证书优惠券使用攻略
2024阿里云“11.11金秋云创季”活动主会场,阿里云用户通过完成个人或企业实名认证,可以领取不同额度的满减优惠券,叠加折扣优惠。用户购买WoSign SSL证书,如何叠加才能更加优惠呢?
836 2
|
1天前
|
算法 数据建模 网络安全
阿里云SSL证书2024双11优惠,WoSign DV证书220元/年起
2024阿里云11.11金秋云创季火热进行中,活动月期间(2024年11月01日至11月30日),阿里云SSL证书限时优惠,部分证书产品新老同享75折起;通过优惠折扣、叠加满减优惠券等多种方式,阿里云WoSign SSL证书将实现优惠价格新低,DV SSL证书220元/年起。
531 4
|
2天前
|
存储 分布式计算 流计算
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
本文介绍了阿里云开源大数据团队在实时计算领域的最新成果——向量化流计算引擎Flash。文章主要内容包括:Apache Flink 成为业界流计算标准、Flash 核心技术解读、性能测试数据以及在阿里巴巴集团的落地效果。Flash 是一款完全兼容 Apache Flink 的新一代流计算引擎,通过向量化技术和 C++ 实现,大幅提升了性能和成本效益。
442 7
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
|
23天前
|
编解码 Java 程序员
写代码还有专业的编程显示器?
写代码已经十个年头了, 一直都是习惯直接用一台Mac电脑写代码 偶尔接一个显示器, 但是可能因为公司配的显示器不怎么样, 还要接转接头 搞得桌面杂乱无章,分辨率也低,感觉屏幕还是Mac自带的看着舒服