Python数据结构 —— 二叉树

本文介绍了如何使用Python构建二叉树,并详细展示了二叉树的后序遍历、中序遍历和层次遍历。首先定义了节点类BinNode,包括访问和设置子节点的方法以及判断是否为叶节点的函数。接着定义了二叉树类BinaryTree,提供了获取根节点、后序遍历和层次遍历的功能。最后,通过先序遍历输入数据构建了一棵二叉树,并对其进行了后序、中序和层次遍历的验证,输出结果符合预期。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. Node

二叉树是由若干节点构成的树,首先定义节点类

在 DataStrctures/BinNode.py 下定义 BinNode(注意 DataStructures 中要有 __init__.py)

class BinNode:
	def __init__(self, data, leftChild=None, rightChild=None):
		self.data = data
		self.leftChild = leftChild
		self.rightChild = rightChild

	def left(self):
		return self.leftChild

	def right(self):
		return self.rightChild

	def setLeft(self, tree):
		self.leftChild = tree

	def setRight(self, tree):
		self.rightChild = tree

	def isLeaf(self):
		return self.leftChild == None and self.rightChild == None

利用 left()right() 可以访问左右子节点;
通过 setLeft()setRight() 可以设置左右子节点;
调用 isLeaf() 可以判断改节点是否为叶节点(无左右子节点)



2. BinaryTree

接着利用 BinNode 类构建二叉树,它有以下方法:

  • BinaryTree() 构造函数
  • getRoot() 返回根节点
  • postTravling(visitFunc) 后序遍历,使用 visitFunc 操作每一个节点的 data
  • levelTraving(visitFunc) 层次遍历,使用 visitFunc 操作每一个节点的 data(需要用到队列 Queue
from DataStructures.Queue import Queue
from DataStructures.BinNode import BinNode

class BinaryTree:
	def __init__(self, data):
		self.root = BinNode(data)

	def getRoot(self):
		return self.root

	def postTraveling(self, visitFunc):
		self.helpPost(self.root, visitFunc)
	
	# 后序遍历的辅助函数
	def helpPost(self, node, visitFunc):
		if node != None:
			self.helpPost(node.leftChild, visitFunc)
			self.helpPost(node.rightChild, visitFunc)
			visitFunc(node)

	def leverTraveling(self, visitFunc):
		q = Queue()
		if self.root != None:
			q.enqueue(self.root)
		while not q.isEmpty():
			curr = q.dequeue()
			visitFunc(curr)
			if curr.leftChild != None:
				q.enqueue(curr.leftChild)
			if curr.rightChild != None:
				q.enqueue(curr.rightChild)


3. 使用二叉树

3.1 构建二叉树

二叉树的类只能初始化根节点,返回一个二叉树对象

但我们可以调用 BnNode 和 BinaryTree 类的成员方法构建二叉树(BinaryTree.getRoot(), BinNode(), BinNode.setLeft()BinNode.setRight()):

构建二叉树的时候,采用先序遍历的方式输入节点数据,每一个节点的数据为一个字符,字符为 # 代表空节点:

from DataStructures.Queue import Queue
from DataStructures.BinNode import BinNode

class BinaryTree:
	def __init__(self, data):
		self.root = BinNode(data)

	def getRoot(self):
		return self.root
	
	# 后序遍历
	def postTraveling(self, visitFunc):
		self.helpPostTraveling(self.root, visitFunc)
	
	def helpPostTraveling(self, node, visitFunc):
		if node != None:
			self.helpPostTraveling(node.leftChild, visitFunc)
			self.helpPostTraveling(node.rightChild, visitFunc)
			visitFunc(node)
	
	# 中序遍历
	def midTraveling(self, visitFunc):
		self.helpMidTraveling(self.getRoot(), visitFunc)
	
	def helpMidTraveling(self, node, visitFunc):
		if node != None:
			self.helpMidTraveling(node.leftChild, visitFunc)
			visitFunc(node)
			self.helpMidTraveling(node.rightChild, visitFunc)

	# 层次遍历
	def leverTraveling(self, visitFunc):
		q = Queue()
		if self.root != None:
			q.enqueue(self.root)
		while not q.isEmpty():
			curr = q.dequeue()
			visitFunc(curr)
			if curr.leftChild != None:
				q.enqueue(curr.leftChild)
			if curr.rightChild != None:
				q.enqueue(curr.rightChild)

加入要构建下面的二叉树

则需要调用 createBinaryTree 后输入:

Input data by pre order, "#" represent empty node:
>> 3
>> 2
>> #
>> #
>> 1
>> #
>> #

3.2 后序遍历、中序遍历和层次遍历

为了测试成功构建了二叉树,现在对二叉树遍历:
后序遍历 + 中序遍历后序遍历 + 前序遍历 可以确定一颗二叉树)

tree = createBinaryTree()
visitFunc = lambda node : print(node.data, end=' ')
print('\n后序遍历:', end='')
tree.postTraveling(visitFunc)
print('\n中序遍历:', end='')
tree.midTraveling(visitFunc)
print('\n层次遍历:', end='')
tree.leverTraveling(visitFunc)

其中,visitFunc 函数定义了对每一个节点元素进行打印操作,执行结果如下:

后序遍历:1 2 6 5 4 3 
中序遍历:2 1 3 4 6 5 
层次遍历:3 2 4 1 5 6 

与预期结果一致 🍻


完结 🍻

### 线索二叉树的概念 线索二叉树是一种特殊的二叉树表示方法,通过引入额外的信息来记录节点的前驱和后继关系。这种设计使得在遍历过程中无需重复计算即可快速获取某个节点的前驱或后继[^1]。 通常情况下,在普通的二叉树中,如果要找到某节点的前驱或后继,可能需要重新执行一次完整的遍历来定位这些节点的位置。而在线索二叉树中,这一过程被优化为常数时间操作,因为每个节点都保存了指向其前驱和后继的指针。 ### 线索二叉树的实现方式 #### 节点定义 为了支持线索化的特性,每个节点除了传统的左右子节点外,还需要两个布尔标志位 `l_tag` 和 `r_tag` 来区分当前链接是指向实际的孩子还是前驱/后继: - 当 `l_tag=0` 表示该节点有左孩子;当 `l_tag=1` 则表明此链接指向的是前驱。 - 类似地,对于右链接来说,`r_tag=0` 意味着存在右孩子,而 `r_tag=1` 显示它连接到后继。 以下是基于上述描述的一个简单 Python 实现中的节点类定义: ```python class ThreadedNode: def __init__(self, value=None): self.value = value self.left = None self.right = None self.l_tag = 0 # Indicates whether 'left' points to a child (0) or predecessor (1) self.r_tag = 0 # Indicates whether 'right' points to a child (0) or successor (1) ``` #### 遍历算法调整 由于增加了标签字段以及相应的逻辑处理,因此原有的递归或者栈辅助的方法都需要相应修改以便适应新的结构特点。特别是针对中序遍历而言,可以通过迭代的方式访问整个序列并利用线索加速查找前后关联项的速度。 下面展示了一个用于构建完全线索化版本(即同时包含向前和向后的指示器)的函数例子: ```python def inorder_thread(root_node): current = root_node while True: if not current.l_tag: temp = current.left while temp and not temp.l_tag: temp = temp.left current = temp yield current.value if current.r_tag: break current = current.right ``` 以上代码片段展示了如何生成一个生成器对象来进行有序输出[^2]。 ### 应用场景分析 尽管标准库并未直接提供此类功能的支持,但在某些特定需求场合下手动构造这样的数据模型仍然具有重要意义。例如,在内存受限环境下减少不必要的堆分配动作; 或者是在频繁查询相邻元素的应用程序内部提升性能表现等方面均能发挥积极作用[^3]. 另外值得注意的一点是,虽然理论上任何类型的二叉树都可以转化为对应的线索形式,但实际上只有那些接近满状态的对象才会从中受益更多——因为稀疏分布可能导致过多无意义的空间浪费现象发生[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值