树与堆（基本概念及二叉树、二叉堆的python实现）

水深无声 2022-05-16 02:28 332阅读 0赞

# 树 #

## 1.基本概念 ##

*  **什么是树？**  
    树是一种数据结构，可以表示层次关系。形状像一棵树。  
    ![这里写图片描述][SouthEast]  
    最上面；树根  
    中间：树枝  
    最下：树叶
 *  **树的定义**  
    它是由n（n>=1）个有限节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。它具有以下的特点：
    
     *  每个节点有零个或多个子节点
     *  没有父节点的节点称为根节点
     *  每一个非根节点有且只有一个父节点
     *  除了根节点外，每个子节点可以分为多个不相交的子树。
    
    *注：可以是一对多，但一个子节点只能有一个父节点*  
    ![这里写图片描述][SouthEast 1]

## 2.树的分类 ##

数据结构中有很多树的结构，其中包括二叉树、二叉搜索树、2-3树、红黑树等等。其中二叉树是数据结构中一种重要的数据结构，也是树表家族最为基础的结构。

### 二叉树的定义 ###

二叉树的定义：二叉树的每个结点至多只有二棵子树(不存在度大于2的结点)，二叉树的子树有左右之分，次序不能颠倒。二叉树的第i层至多有2i-1个结点；深度为k的二叉树至多有2k-1个结点；对任何一棵二叉树T，如果其终端结点数为n0，度为2的结点数为n2，则n0=n2+1。

二叉树的示例：  
![这里写图片描述][SouthEast 2]

### 满二叉树和完全二叉树 ###

**满二叉树**  
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。也可以这样理解，除叶子结点外的所有结点均有两个子结点。节点数达到最大值，所有叶子结点必须在同一层上。  
满二叉树的性质：  
1) 一颗树深度为h，最大层数为k，深度与最大层数相同，k=h;  
2) 叶子数为2h;  
3) 第k层的结点数是：2k-1;  
4) 总结点数是：2k-1，且总节点数一定是奇数。

**完全二叉树**  
完全二叉树：若设二叉树的深度为h，除第 h 层外，其它各层 (1～(h-1)层) 的结点数都达到最大个数，第h层所有的结点都连续集中在最左边，这就是完全二叉树。  
![这里写图片描述][SouthEast 3]  
注：完全二叉树是效率很高的数据结构，堆是一种完全二叉树或者近似完全二叉树，所以效率极高，像十分常用的排序算法、Dijkstra算法、Prim算法等都要用堆才能优化，二叉排序树的效率也要借助平衡性来提高，而平衡性基于完全二叉树。

完全二叉树的性质：  
1) 在非空二叉树中，第i层的结点总数不超过2i-1, i>=1;  
2) 深度为h的二叉树最多有2h-1个结点(h>=1)，最少有h个结点;  
3) 对于任意一棵二叉树，如果其叶结点数为N0，而度数为2的结点总数为N2，则N0=N2+1;  
4) 具有n个结点的完全二叉树的深度为log2(n+1);  
5)有N个结点的完全二叉树各结点如果用顺序方式存储，则结点之间有如下关系：  
若I为结点编号则 如果I>1，则其父结点的编号为I/2；  
如果2I<=N，则其左儿子（即左子树的根结点）的编号为2I；若2I>N，则无左儿子；  
如果2I+1<=N，则其右儿子的结点编号为2I+1；若2I+1>N，则无右儿子。  
6)给定N个节点，能构成h(N)种不同的二叉树，其中h(N)为卡特兰数的第N项，h(n)=C(2\*n, n)/(n+1)。  
7)设有i个枝点，I为所有枝点的道路长度总和，J为叶的道路长度总和J=I+2i。

## 3..树的基本操作 ##

遍历：前中后序遍历；层次遍历  
序列化与反序列化  
深度：最大深度，最小深度

## 4.二叉树的遍历 ##

遍历即将树的所有结点访问且仅访问一次。**按照根节点位置的不同**分为前序遍历，中序遍历，后序遍历。

*  前序遍历：根节点->左子树->右子树
 *  中序遍历：左子树->根节点->右子树
 *  后序遍历：左子树->右子树->根节点

例如：求下面树的三种遍历  
![这里写图片描述][SouthEast 4]  
前序遍历：abdefgc  
中序遍历：debgfac  
后序遍历：edgfbca

## 5.二叉树的遍历的实现 ##

### 二叉树的生成 ###

下面是一个**完全二叉树**的生成方法：

'''添加元素'''
        def add(self,data):
            node=Node(data)
            if self.root.data==None:
                self.root=node
                #在队列第一个位置加入左右子树没有满的节点
                self.myQueen.append(self.root)
            else:
                treeNode=self.myQueen[0]
                print('treenode',treeNode.data)
    
                if treeNode.lchild==None:
                    if(node.data is None):
                        return
                    treeNode.lchild=node
                    self.myQueen.append(treeNode.lchild)
                else : 
                    treeNode.rchild=node
                    self.myQueen.append(treeNode.rchild)
                    self.myQueen.pop(0)

非完全二叉树（如下图）：  
![这里写图片描述][SouthEast 5]

构造方法：

另一种构造方法：

class Node(object):
        def __init__(self,data=None,lchild=None,rchild=None):
            self.data=data
            self.lchild=lchild
            self.rchild=rchild
    class BTree(object):
        def __init__(self,root=None):
            self.root=root
    
         def create(self,arr):
            temp=arr.pop(0) 
    
            print(temp)         
            if temp is '#':
                return
    
            treenode = Node(data=temp)
    
            if self.root is None:
                self.root = treenode
            treenode.lchild = self.create(arr)
            treenode.rchild = self.create(arr)
            return treenode
    
    tree=BTree()
    arr=[1,'#',3,4,'#','#',5,'#','#']
    tree2=tree.create(arr)
    tree.front_recursion(tree2)
    tree.middle_recursion(tree2)
    tree.back_recursion(tree2)

一个完整的代码示例：

# -*- coding: utf-8 -*-
    
    class Node(object):
        def __init__(self,data=None):
            self.data=data
            self.lchild=None
            self.rchild=None
    
    class BinaryTree(object):
        def __init__(self):
            self.root=Node()
            self.myQueen=[]
    
        '''添加元素'''
        def add(self,data):
            node=Node(data)
            if self.root.data==None:
                self.root=node
                #在队列第一个位置加入左右子树没有满的节点
                self.myQueen.append(self.root)
            else:
                treeNode=self.myQueen[0]
                if treeNode.lchild==None:
                    treeNode.lchild=node
                    self.myQueen.append(treeNode.lchild)
                else :
                    treeNode.rchild=node
                    self.myQueen.append(treeNode.rchild)
                    self.myQueen.pop(0)
    
        '''前序递归遍历'''
        def front_recursion(self,root):
            if root==None:
                return
            print(root.data)
            self.front_recursion(root.lchild)
            self.front_recursion(root.rchild)
    
        '''中序递归遍历'''
        def middle_recursion(self,root):
            if root==None:
                return
            self.middle_recursion(root.lchild)
            print(root.data)
            self.middle_recursion(root.rchild)
    
        '''后序递归遍历'''
        def back_recursion(self,root):
            if root==None:
                return
            self.back_recursion(root.lchild)
            self.back_recursion(root.rchild)
            print(root.data)
    
    if __name__=='__main__':
        tree=BinaryTree()
        for i in range(10):
            tree.add(i)
        print('前序递归遍历')
        tree.front_recursion(tree.root)
        print('中序递归遍历')
        tree.middle_recursion(tree.root)
        print('后序递归遍历')
        tree.back_recursion(tree.root)

其中myQueen表是目前左右子树没有满的节点，且每次从第一个开始取，左右子树满了之后将第一个删除

# 堆 #

## 1. 基本概念 ##

> 堆的实现通过构造二叉堆（binary heap），实为二叉树的一种；由于其应用的普遍性，当不加限定时，均指该数据结构的这种实现。

堆常用来实现优先队列，在这种队列中，待删除的元素为优先级最高（最低）的那个。在任何时候，任意优先元素都是可以插入到队列中去的，是计算机科学中一类特殊的数据结构的统称

最大（最小）堆是一棵每一个节点的键值都大于（小于）其子节点键值的树。大顶堆是一棵完全二叉树，同时也是一棵最大树。小顶堆是一棵完全完全二叉树，同时也是一棵最小树。  
注意：  
· 堆中任一子树亦是堆。  
· 以上讨论的堆实际上是二叉堆(Binary Heap)，类似地可定义k叉堆。  
下图分别给出最大堆和最小堆的例子：

![SouthEast 6][]

## 2..堆支持的基本操作: ##

*  create: 建立一个空堆；
 *  insert: 向堆中插入一个新元素；
 *  get：获取当前堆顶元素的值；
 *  pop：删除堆顶元素；

某些堆实现还支持其他的一些操作，如斐波那契堆支持检查一个堆中是否存在某个元素。

## 3.最小二叉堆的实现 ##

### 存储——数组 ###

用数组来存储二叉堆，其中：  
已知元素位置i：则其左子节点位置为2\*（i+1）-1，右子节点位置为 2 \*（i+1），父节点位置为math.floor((i-1)/2)

> 注：floor表示向下取整

### 新元素加入——bubble\_up方法 ###

新元素加入时，添加到数组最后一个，然后不断向上找最小的（最大堆情况），不断向跟父节点判断，直到父节点大于新加入的元素或已经置顶（最大堆）

def bubble_up(self,i):
            p_index=self.parent(i)
            #如果没有父节点，直接返回
            if p_index==-1:return True
            #如果父节点比当前节点小，交换这两个节点数据
            p_data=self._data[p_index]
            data=self._data[i]
            if p_data<data:
                self._data[i]=p_data
                self._data[p_index]=data
                #进行递归
                self.bubble_up(p_index)
            return True

### 删除堆顶元素——bubble\_down方法 ###

删除堆顶元素相当于删除数组中第一个元素  
将最后一个元素不断跟其子节点比较，比子节点小的话就向下移动（最大堆）

def bubble_down(self,i):
            lc_index=self.lchild(i)
            rc_index=self.rchild(i)
            if not (lc_index==-1 and rc_index==-1):
                #选择一个最大的子节点
                if rc_index==-1 or (self._data[lc_index]>self._data[rc_index]):#左边大
                    rep_index=lc_index
                elif lc_index==-1 or (self._data[lc_index]<=self._data[rc_index]):#右边大
                    rep_index=rc_index
                rep_data= self._data[rep_index]
                data=self._data[i]
    
                if rep_data>data:
                    self._data[rep_index]=data
                    self._data[i]=rep_data
                    self.bubble_down(rep_index)
                #如果没有子节点，返回TRUE
            else:
                return True

### 让二叉堆的时间复杂度为O（n） ###

如果直接每插入一个节点就将节点向上比较，时间复杂度为其时间复杂度为 O(n\*log n)

更有效的方法：  
先存储为数组（没有执行构造二叉堆的操作）  
从下层开始，让每个子堆有序  
不断向上移动

def build_eff_heap(total_num):
        heap=MaxHeap()
        for i in range(total_num):
            heap._data.append(i)
        #math.floor表示向下取整
        for i in range(math.floor(len(heap._data)/2)-1,-1,-1):
            heap.bubble_down(i)#倒数第二层开始跟子节点比较
        return heap

### 运行效果比较 ###

![这里写图片描述][SouthEast 7]

### 完整的最大堆创建和测试代码（最大堆）： ###

# -*- coding: utf-8 -*-
    
    import math
    import time
    
    class ArrBinHeap:
        '''初始化'''
        def __init__(self):
            self._data=[]  #表示二叉树
    
        '''
        插入的节点往上移
        取决于最大堆还是最小堆
        '''
        def bubble_up(self,i):
            pass    
    
        '''
        节点往下移
        '''
        def bubble_down(self,i):
            pass  
    
        '''插入'''
        def insert(self,val):
            self._data.append(val)
            self.bubble_up(len(self._data)-1)
    
        '''
        删除最大或最小的一个数
        用最后一个节点的值替代
        最后一个节点往下移动bubble_down
        '''
        def pop(self):
            last_index=len(self._data)-1
            last_data=self._data[last_index]
            self._data=self._data[:last_index-1]
            self._data[0]=last_data
            self.bubble_down(0)
    
        '''已知节点位置i，返回左子节点'''
        def lchild(self,i):
            index=2*(i+1)-1
            #检查是否超出范围
            if len(self._data)<=index:
                return -1
            return index
            '''已知节点位置i，返回左子节点'''
    
        '''已知节点位置i，返回左子节点'''
        def rchild(self,i):
            index=2*(i+1)
            #检查是否超出范围
            if len(self._data)<=index:
                return -1
            return index
    
        '''找父节点'''
        def parent(self,i):
            return math.floor((i-1)/2)
    
        '''获得堆顶元素'''
        def get(self):
            if self._data[0]!=None:
                return self._data[0]
    
    class MaxHeap(ArrBinHeap):
        def __init__(self):
            super(MaxHeap,self).__init__()
    
        def bubble_up(self,i):
            p_index=self.parent(i)
            #如果没有父节点，直接返回
            if p_index==-1:return True
            #如果父节点比当前节点小，交换这两个节点数据
            p_data=self._data[p_index]
            data=self._data[i]
            if p_data<data:
                self._data[i]=p_data
                self._data[p_index]=data
                #进行递归
                self.bubble_up(p_index)
            return True
    
        def bubble_down(self,i):
            lc_index=self.lchild(i)
            rc_index=self.rchild(i)
            if not (lc_index==-1 and rc_index==-1):
                #选择一个最大的子节点
                if rc_index==-1 or (self._data[lc_index]>self._data[rc_index]):#左边大
                    rep_index=lc_index
                elif lc_index==-1 or (self._data[lc_index]<=self._data[rc_index]):#右边大
                    rep_index=rc_index
                rep_data= self._data[rep_index]
                data=self._data[i]
    
                if rep_data>data:
                    self._data[rep_index]=data
                    self._data[i]=rep_data
                    self.bubble_down(rep_index)
                #如果没有子节点，返回TRUE
            else:
                return True
    
            return True
    
    def build_heap(total_num):
        heap=MaxHeap()
        for i in range(total_num):
            heap.insert(i)
        return heap
    def build_eff_heap(total_num):
        heap=MaxHeap()
        for i in range(total_num):
            heap._data.append(i)
        #math.floor表示向下取整
        for i in range(math.floor(len(heap._data)/2)-1,-1,-1):
            heap.bubble_down(i)
        return heap
    
    if __name__=="__main__":
        start_time=time.time()
        heap=build_heap(1000000)
        maxnum= heap.get()
        print('堆顶元素为：',maxnum)
        heap.pop()
        maxnum= heap.get()
        print('pop后堆顶元素为：',maxnum)
        print('---%s seconds---'%(time.time()-start_time))
    
        start_time=time.time()
        heap=build_eff_heap(1000000)
        maxnum= heap.get()
        print('堆顶元素为：',maxnum)
    
        heap.pop()
        maxnum= heap.get()
        print('pop后堆顶元素为：',maxnum)
        print('---%s seconds---'%(time.time()-start_time))

> 参考文献  
> \[树的概念\] [http://blog.csdn.net/qq20004604/article/details/50936940][http_blog.csdn.net_qq20004604_article_details_50936940]  
> \[数据结构中的各种树\][http://www.cnblogs.com/maybe2030/p/4732377.html][http_www.cnblogs.com_maybe2030_p_4732377.html]  
> \[堆\][http://blog.csdn.net/wypblog/article/details/8076324][http_blog.csdn.net_wypblog_article_details_8076324]  
> \[二叉树\][http://blog.csdn.net/fansongy/article/details/6798278][http_blog.csdn.net_fansongy_article_details_6798278]  
> \[二叉树的遍历\][http://blog.csdn.net/bone\_ace/article/details/46718683][http_blog.csdn.net_bone_ace_article_details_46718683]  
> \[二叉堆的实现\][https://www.bilibili.com/video/av11865315][https_www.bilibili.com_video_av11865315]

[SouthEast]: /images/20220516/7cc6374b3e364fd291e8dcb89a58e1c9.png
[SouthEast 1]: /images/20220516/2f1e37504b6d48f0988a1a35375ec3c9.png
[SouthEast 2]: /images/20220516/19be7bcffc1b48c0b9b99c01d4c772ce.png
[SouthEast 3]: /images/20220516/706473ba19c44be4b6d9e436a8658b6d.png
[SouthEast 4]: /images/20220516/625ce16d1a4c466185cfca55bc77185c.png
[SouthEast 5]: /images/20220516/d434c6e078aa4d4ba2f4be13180387a1.png
[SouthEast 6]: /images/20220516/2d319fe56d7c45eebf88cf5fe3b11d44.png
[SouthEast 7]: /images/20220516/42d8b0feb52245a68b5d733b642fc4f0.png
[http_blog.csdn.net_qq20004604_article_details_50936940]: http://blog.csdn.net/qq20004604/article/details/50936940
[http_www.cnblogs.com_maybe2030_p_4732377.html]: http://www.cnblogs.com/maybe2030/p/4732377.html
[http_blog.csdn.net_wypblog_article_details_8076324]: http://blog.csdn.net/wypblog/article/details/8076324
[http_blog.csdn.net_fansongy_article_details_6798278]: http://blog.csdn.net/fansongy/article/details/6798278
[http_blog.csdn.net_bone_ace_article_details_46718683]: http://blog.csdn.net/bone_ace/article/details/46718683
[https_www.bilibili.com_video_av11865315]: https://www.bilibili.com/video/av11865315