Python数据结构——二叉树的实现

本文深入解析了二叉树的列表实现与类实现,详细介绍了如何通过列表构建二叉树,以及如何利用类进行二叉树的操作。同时,文章阐述了表达式树的概念,并提供了两种构建表达式树的方法:中缀表达式和后缀表达式。通过实例演示了如何使用中缀和后缀表达式构建表达式树,以及如何遍历和求值这些树。

1. 二叉树

二叉树(binary tree)中的每个节点都不能有多于两个的儿子。

1.1 二叉树列表实现

如上图的二叉树可用列表表示:

tree=['A',  #root
      ['B',    #左子树
       ['D',[],[]],
       ['E',[],[]]],
      ['C',     #右子树
       ['F',[],[]],
       []]
      ]

实现:

def BinaryTree(item):
    return [item,[],[]]
def insertLeft(tree,item):
    leftSubtree=tree.pop(1)
    if leftSubtree:
        tree.insert(1,[item,leftSubtree,[]])
    else:
        tree.insert(1,[item,[],[]])
    return tree
def insertRight(tree,item):
    rightSubtree=tree.pop(2)
    if rightSubtree:
        tree.insert(2,[item,[],rightSubtree])
    else:
        tree.insert(2,[item,[],[]])
    return tree
def getLeftChild(tree):
    return tree[1]
def getRightChild(tree):
    return tree[2]

 要实现下图的树:

  

tree=BinaryTree('a')
insertLeft(tree,'b')
insertRight(tree,'c')
insertRight((getLeftChild(tree)),'d')
insertLeft((getRightChild(tree)),'e')
insertRight((getRightChild(tree)),'f')

1.2 二叉树的类实现

class BinaryTree(object):
    def __init__(self,item):
        self.key=item
        self.leftChild=None
        self.rightChild=None
    def insertLeft(self,item):
        if self.leftChild==None:
            self.leftChild=BinaryTree(item)
        else:
            t=BinaryTree(item)
            t.leftChild=self.leftChild
            self.leftChild=t
    def insertRight(self,item):
        if self.rightChild==None:
            self.rightChild=BinaryTree(item)
        else:
            t=BinaryTree(item)
            t.rightChild=self.rightChild
            self.rightChild=t

2. 表达式树

表达式树(expression tree)的树叶是操作数,其他节点为操作符。

     图   ((7+3)*(5-2))的表达式树表示

2.1 根据中缀表达式构造表达式树:

 遍历表达式:

1.建立一个空树

2.遇到'(',为当前的Node添加一个left child,并将left child当做当前Node。

3.遇到数字,赋值给当前的Node,并返回parent作为当前Node。

4.遇到('+-*/'),赋值给当前Node,并添加一个Node作为right child,将right child当做当前的Node。

5.遇到')',返回当前Node的parent。

def buildexpressionTree(exp):
    tree=BinaryTree('')
    stack=[]
    stack.append(tree)
    currentTree=tree
    for i in exp:
        if i=='(':
            currentTree.insertLeft('')
            stack.append(currentTree)
            currentTree=currentTree.leftChild
        elif i not in '+-*/()':
            currentTree.key=int(i)
            parent=stack.pop()
            currentTree=parent
        elif i in '+-*/':
            currentTree.key=i
            currentTree.insertRight('')
            stack.append(currentTree)
            currentTree=currentTree.rightChild
        elif i==')':
            currentTree=stack.pop()
        else:
            raise ValueError
    return tree

上述算法对中缀表达式的写法要求比较繁琐,小括号应用太多,例如要写成(a+(b*c))的形式。

用后缀表达式构建表达式树会方便一点:如果符号是操作数,建立一个单节点并将一个指向它的指针推入栈中。如果符号是一个操作符,从栈中弹出指向两棵树T1和T2的指针并形成一棵新的树,树的根为此操作符,左右儿子分别指向T2和T1.

def build_tree_with_post(exp):
    stack=[]
    oper='+-*/'
    for i in exp:
        if i not in oper:
            tree=BinaryTree(int(i))
            stack.append(tree)
        else:
            righttree=stack.pop()
            lefttree=stack.pop()
            tree=BinaryTree(i)
            tree.leftChild=lefttree
            tree.rightChild=righttree
            stack.append(tree)
    return stack.pop()

3.树的遍历

3.1 先序遍历(preorder travelsal)

先打印出根,然后递归的打印出左子树、右子树,对应先缀表达式

def preorder(tree,nodelist=None):
    if nodelist is None:
        nodelist=[]
    if tree:
        nodelist.append(tree.key)
        preorder(tree.leftChild,nodelist)
        preorder(tree.rightChild,nodelist)
    return nodelist

  

3.2 中序遍历(inorder travelsal)

先递归的打印左子树,然后打印根,最后递归的打印右子树,对应中缀表达式

def inorder(tree):
    if tree:
        inorder(tree.leftChild)
        print tree.key
        inorder(tree.rightChild)

3.3 后序遍历(postorder travelsal)

递归的打印出左子树、右子树,然后打印根,对应后缀表达式

def postorder(tree):
    if tree:
        for key in postorder(tree.leftChild):
            yield key
        for key in postorder(tree.rightChild):
            yield key
        yield tree.key

3.4 表达式树的求值

def postordereval(tree):
    operators={'+':operator.add,'-':operator.sub,'*':operator.mul,'/':operator.truediv}
    leftvalue=None
    rightvalue=None
    if tree:
        leftvalue=postordereval(tree.leftChild)
        rightvalue=postordereval(tree.rightChild)
        if leftvalue and rightvalue:
            return operators[tree.key](leftvalue,rightvalue)
        else:
            return tree.key

  

 

转载于:https://www.cnblogs.com/linxiyue/p/3570071.html

### 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