【Java数据结构】二叉树到底是什么品种的树?以及二叉树有哪些基操(二)

简介: 笔记

二叉树的储存


二叉树的存储结构分为: 顺序存储和类似于链表的链式存储

本文先介绍链式储存


二叉树的链式存储是通过一个一个的节点引用起来的,常见的表示方式有二叉和三叉表示方式,

孩子双亲表示法后序在平衡树位置介绍,本文采用孩子表示法来构建二叉树。

// 孩子表示法
class Node {
 int val; // 数据域
 Node left; // 左孩子的引用,常常代表左孩子为根的整棵左子树
 Node right; // 右孩子的引用,常常代表右孩子为根的整棵右子树
}
// 孩子双亲表示法
class Node {
 int val; // 数据域
 Node left; // 左孩子的引用,常常代表左孩子为根的整棵左子树
 Node right; // 右孩子的引用,常常代表右孩子为根的整棵右子树
 Node parent; // 当前节点的根节点
}


二叉树的遍历(前中后序)


所谓 遍历(Traversal)是指沿着某条搜索路线,依次对树中每个结点均做一次且仅做一次访问。访问结点所做的操作依赖于具体的应用问题(比如:打印节点内容、节点内容加1)。 遍历是二叉树上最重要的操作之一,是二叉树上进行其它运算之基础。


在遍历二叉树时,如果没有进行某种约定,每个人都按照自己的方式遍历,得出的结果就比较混乱,如果按照某种规则进行约定,则每个人对于同一棵树的遍历结果肯定是相同的。如果N代表根节点,L代表根节点的左子树,R代表根节点的右子树,则根据遍历根节点的先后次序有以下遍历方式:


1.NLR:前序遍历(Preorder Traversal 亦称先序遍历)——访问根结点—>根的左子树—>根的右子树。


10.png


2.LNR:中序遍历(Inorder Traversal)——根的左子树—>根节点—>根的右子树。


11.png



3.LRN:后序遍历(Postorder Traversal)——根的左子树—>根的右子树—>根节点。


12.png

由于被访问的结点必是某子树的根,所以N(Node)、L(Left subtree)和R(Right subtree)又可解释为根、根的左子树和根的右子树。NLR、LNR和LRN分别又称为先根遍历、中根遍历和后根遍历。 实现代码在后边基本操作里


层序遍历


层序遍历嘛,就是按层,从上到下,从左到右遍历,这个没啥好说的。

设二叉树的根节点所在层数为1,层序遍历就是从所在二叉树的根节点出发,首先访问第一层的树根节点,然后从左到右访问第2层上的节点,接着是第三层的节点,以此类推,自上而下,自左至右逐层访问树的结点的过程就是层序遍历。

13.png


代码实现: 设置一个队列,利用队列先入先出的性质实现层序遍历,每出队一个节点,就判断这个节点是否有左右孩子节点,如果有,就将孩子节点入队


// 层序遍历
    public void levelOrderTraversal(TreeNode root){
        Queue<TreeNode> queue = new LinkedList<>();
        if (root==null){
            return ;
        }
        queue.offer(root);//一开始先将第一个根节点入队
        while(!queue.isEmpty()) {//一直弹出队列首元素,直到队列空为止
            TreeNode top = queue.poll();//记录每次弹出的节点
            System.out.print(top.value);
            if (top.left != null) {//判断当前弹出的节点是否有左孩子
                queue.offer(top.left);
            }
            if (top.right != null) {//判断当前弹出的节点是否有右孩子
                queue.offer(top.right);
            }
        }
    }

利用层序遍历,判断一棵树是不是完全二叉树


// 判断一棵树是不是完全二叉树
    boolean isCompleteTree(TreeNode root) {
        if(root == null) return true;
        //利用层序遍历,利用队列
        Queue<TreeNode> queue = new LinkedList<>();
        queue.offer(root);
        //只要队列不为空就出列队头节点
        while(!queue.isEmpty()) {
            TreeNode top = queue.poll();
            if(top != null) {//如果出列的节点不为空
                queue.offer(top.left);//将节点的左节点入队
                queue.offer(top.right);//将节点的右节点入队
            }else{
                break;//如果出来的节点是空,就跳出当前循环
            }
        }
        //出列节点为空,或者队列空了
        while (!queue.isEmpty()) {//队列不为空
            TreeNode cur = queue.peek();//创建一个临时节点,查看队列对头结点,不是出队
            if(cur == null) {//如果现在队头节点为空
                queue.poll();//就弹出队头节点
            }else {//因为前边已经弹出过空节点了,再遇到不为空的节点的话
                return false;//说明二叉树不是完全二叉树
            }
        }
        return true;//队列空了,说明是完全二叉树
    }


二叉树的基本操作


前中后序遍历原理非常相似,都是采取递归思想,就是先判断当前根节点是否为空,然后三行代码交换位置玩,一行代表当前根节点的操作,一行代表左孩子节点,一行代表右孩子节点,每递归一次,左孩子节点或者右孩子节点就变成了当前递归方法中的当前根节点,他们继续访问他们的孩子节点,无限套娃,直到遇到空节点,再层层返回

// 前序遍历
   public void preOrderTraversal(TreeNode root){
       if (root==null){
           return;
       }
       System.out.print(root.value+" ");
       preOrderTraversal(root.left);
       preOrderTraversal(root.right);
   }
// 中序遍历
public void inOrderTraversal(TreeNode root){
   if (root==null){
       return;
   }
   inOrderTraversal(root.left);
   System.out.print(root.value+" ");
   inOrderTraversal(root.right);
}
// 后序遍历
public void postOrderTraversal(TreeNode root){
   if (root==null){
       return;
   }
   postOrderTraversal(root.left);
   postOrderTraversal(root.right);
   System.out.print(root.value+" ");
}

求节点个数,其实最简单的就是采用前序遍历,每遍历一个节点,计数器size就加一,遍历完所有节点,size值就是节点的个数

// 遍历思路-求结点个数  前序遍历
   static int size=0;
   public void getSize1(TreeNode root){
       if (root==null){
           return;
       }
       size++;
       getSize1(root.left);
      getSize1(root.right);
   }

还有一种方法求节点个数,子问题思路,整棵树的节点=左子树节点+右子树节点,把每个节点和它的孩子节点,看成一个整体,大事化小


14.png

  // 子问题思路-求结点个数
   public int getSize2(TreeNode root){
       if (root==null){
           return 0;
       }
       return getSize2(root.left)+getSize2(root.right)+1;
   }


遍历思路求叶子节点,叶子节点就是没有孩子的节点,故设置当遍历到左孩子和右孩子都为空的时候,叶子节点树+1


// 遍历思路-求叶子结点个数
   static int leafSize = 0;
   public void getLeafSize1(TreeNode root){
       if(root == null) {
           return;
       }
       if(root.left == null && root.right == null) {
           leafSize++;
       }
       getLeafSize1(root.left);
       getLeafSize1(root.right);
   }

另一种求叶子节点数的方法和子问题求节点数的方法类似,不过要设置一个条件,左孩子和右孩子都为空的时候才返回 1,来表示当前节点是一个叶子节点

15.png

 // 子问题思路-求叶子结点个数
    public int getLeafSize2(TreeNode root){
        if(root == null) {
            return 0;
        }
        if(root.left == null && root.right == null) {
            return 1;
        }
        return getLeafSize2(root.left) + getLeafSize2(root.right);
    }

求第K层节点个数其只需要多设置一个参数k就好了,请看图解


16.png

  // 子问题思路-求第 k 层结点个数
   public int getKLevelSize(TreeNode root,int k){
       if(root == null) {
           return 0;
       }
       if(k == 1) {
           return 1;
       }
       return getKLevelSize(root.left,k-1) + getKLevelSize(root.right,k-1);
   }

查找节点也是递归思想


// 查找 val 所在结点,没有找到返回 null
// 按照 根 -> 左子树 -> 右子树的顺序进行查找
// 一旦找到,立即返回,不需要继续在其他位置查找
public TreeNode find(TreeNode root, char val) {
   //先从根开始找
   if (root == null){
      return null;
  }
   if (root.value==val){
       return root;
   }
   //然后左子树找
   TreeNode ret = find(root.left,val);
   if (ret!=null){
       return ret;
   }
   //再右子树找
  ret = find(root.right,val);
   if (ret!=null){
       return ret;
   }
   return null;
}

获取高度首先得知道一个递推公式

整棵树的高度 = 左子树高度 > 右子树高度?左子树高度 : 右子树高度


   public int getHeight(TreeNode root){
       if (root==null){
           return 0;
       }
       int leftHeight = getHeight(root.left);
       int rightHeight = getHeight(root.right);
       return  (leftHeight >  rightHeight ? leftHeight :  rightHeight)+1;
   }

完整源码如下:

public class BinaryTree {
    public TreeNode createTree() {
        TreeNode A = new TreeNode('A');
        TreeNode B = new TreeNode('B');
        TreeNode C = new TreeNode('C');
        TreeNode D = new TreeNode('D');
        TreeNode E = new TreeNode('E');
        TreeNode F = new TreeNode('F');
        TreeNode G = new TreeNode('G');
        TreeNode H = new TreeNode('H');
        A.left = B;
        A.right = C;
        B.left = D;
        B.right = E;
        C.left = F;
        C.right = G;
        E.right = H;
        return A;
    }
    // 前序遍历
    public void preOrderTraversal(TreeNode root){
        if (root==null){
            return;
        }
        System.out.print(root.value+" ");
        preOrderTraversal(root.left);
        preOrderTraversal(root.right);
    }
    // 中序遍历
    public void inOrderTraversal(TreeNode root){
        if (root==null){
            return;
        }
        inOrderTraversal(root.left);
        System.out.print(root.value+" ");
        inOrderTraversal(root.right);
    }
    // 后序遍历
    public void postOrderTraversal(TreeNode root){
        if (root==null){
            return;
        }
        postOrderTraversal(root.left);
        postOrderTraversal(root.right);
        System.out.print(root.value+" ");
    }
    // 遍历思路-求结点个数  前序遍历
    static int size=0;
    public void getSize1(TreeNode root){
        if (root==null){
            return;
        }
        size++;
        getSize1(root.left);
        getSize1(root.right);
    }
    // 子问题思路-求结点个数
    public int getSize2(TreeNode root){
        if (root==null){
            return 0;
        }
        return getSize2(root.left)+getSize2(root.right)+1;
    }
    // 遍历思路-求叶子结点个数
    static int leafSize = 0;
    public void getLeafSize1(TreeNode root){
        if(root == null) {
            return;
        }
        if(root.left == null && root.right == null) {
            leafSize++;
        }
        getLeafSize1(root.left);
        getLeafSize1(root.right);
    }
    // 子问题思路-求叶子结点个数
    public int getLeafSize2(TreeNode root){
        if(root == null) {
            return 0;
        }
        if(root.left == null && root.right == null) {
            return 1;
        }
        return getLeafSize2(root.left) + getLeafSize2(root.right);
    }
    // 子问题思路-求第 k 层结点个数
    public int getKLevelSize(TreeNode root,int k){
        if(root == null) {
            return 0;
        }
        if(k == 1) {
            return 1;
        }
        return getKLevelSize(root.left,k-1) + getKLevelSize(root.right,k-1);
    }
    // 查找 val 所在结点,没有找到返回 null
    // 按照 根 -> 左子树 -> 右子树的顺序进行查找
    // 一旦找到,立即返回,不需要继续在其他位置查找
    public TreeNode find(TreeNode root, char val) {
        if (root == null){
           return null;
       }
        if (root.value==val){
            return root;
        }
        TreeNode ret = find(root.left,val);
        if (ret!=null){
            return ret;
        }
        ret = find(root.right,val);
        if (ret!=null){
            return ret;
        }
        return null;
    }
    // 获取二叉树的高度
    public int getHeight(TreeNode root){
        if (root==null){
            return 0;
        }
        int leftHeight = getHeight(root.left);
        int rightHeight = getHeight(root.right);
        //return  (getHeight(root.left) >  getHeight(root.right) ? getHeight(root.left)+1 :  getHeight(root.right)+1);
        return  (leftHeight >  rightHeight ? leftHeight :  rightHeight)+1;
    }
}
public class Test {
    public static void main(String[] args) {
        BinaryTree binaryTree = new BinaryTree();
        TreeNode root = binaryTree.createTree();
        binaryTree.preOrderTraversal(root);
        System.out.println();
        binaryTree.inOrderTraversal(root);
        System.out.println();
        binaryTree.postOrderTraversal(root);
        System.out.println();
        binaryTree.getSize1(root);
        System.out.println(BinaryTree.size);
        System.out.println(binaryTree.getSize2(root));
        System.out.println(binaryTree.getKLevelSize(root, 3));
        System.out.println(binaryTree.find(root, 'H').value);
        System.out.println(binaryTree.getHeight(root));
    }
}



相关文章
|
26天前
|
存储 Java
Java中的HashMap和TreeMap,通过具体示例展示了它们在处理复杂数据结构问题时的应用。
【10月更文挑战第19天】本文详细介绍了Java中的HashMap和TreeMap,通过具体示例展示了它们在处理复杂数据结构问题时的应用。HashMap以其高效的插入、查找和删除操作著称,而TreeMap则擅长于保持元素的自然排序或自定义排序,两者各具优势,适用于不同的开发场景。
42 1
|
28天前
|
存储 Java
告别混乱!用Java Map优雅管理你的数据结构
【10月更文挑战第17天】在软件开发中,随着项目复杂度增加,数据结构的组织和管理至关重要。Java中的Map接口提供了一种优雅的解决方案,帮助我们高效、清晰地管理数据。本文通过在线购物平台的案例,展示了Map在商品管理、用户管理和订单管理中的具体应用,有效提升了代码质量和维护性。
81 2
|
16天前
|
存储 搜索推荐 算法
【数据结构】树型结构详解 + 堆的实现(c语言)(附源码)
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。
58 16
|
11天前
|
缓存 算法 Java
本文聚焦于Java内存管理与调优,介绍Java内存模型、内存泄漏检测与预防、高效字符串拼接、数据结构优化及垃圾回收机制
在现代软件开发中,性能优化至关重要。本文聚焦于Java内存管理与调优,介绍Java内存模型、内存泄漏检测与预防、高效字符串拼接、数据结构优化及垃圾回收机制。通过调整垃圾回收器参数、优化堆大小与布局、使用对象池和缓存技术,开发者可显著提升应用性能和稳定性。
33 6
|
16天前
|
C语言
【数据结构】二叉树(c语言)(附源码)
本文介绍了如何使用链式结构实现二叉树的基本功能,包括前序、中序、后序和层序遍历,统计节点个数和树的高度,查找节点,判断是否为完全二叉树,以及销毁二叉树。通过手动创建一棵二叉树,详细讲解了每个功能的实现方法和代码示例,帮助读者深入理解递归和数据结构的应用。
65 8
|
16天前
|
存储 Java 索引
Java中的数据结构:ArrayList和LinkedList的比较
【10月更文挑战第28天】在Java编程世界中,数据结构是构建复杂程序的基石。本文将深入探讨两种常用的数据结构:ArrayList和LinkedList,通过直观的比喻和实例分析,揭示它们各自的优势与局限,帮助你在面对不同的编程挑战时做出明智的选择。
|
24天前
|
存储 算法 Java
Java 中常用的数据结构
【10月更文挑战第20天】这些数据结构在 Java 编程中都有着广泛的应用,掌握它们的特点和用法对于提高编程能力和解决实际问题非常重要。
24 6
|
26天前
|
存储 Java 开发者
Java中的Map接口提供了一种优雅的方式来管理数据结构,使代码更加清晰、高效
【10月更文挑战第19天】在软件开发中,随着项目复杂度的增加,数据结构的组织和管理变得至关重要。Java中的Map接口提供了一种优雅的方式来管理数据结构,使代码更加清晰、高效。本文通过在线购物平台的案例,展示了Map在商品管理、用户管理和订单管理中的具体应用,帮助开发者告别混乱,提升代码质量。
26 1
|
23天前
|
算法 Java
JAVA 二叉树面试题
JAVA 二叉树面试题
14 0
|
Java
java实现简单的二叉树ADT
java实现简单的二叉树ADT
159 0