谈完了数组、栈、队列等线性结构,接下来我们谈谈一种树形结构
1. 什么是树
2. 二叉树
每个节点最多有2个子节点,当然,可以只有一个节点,比如左子节点或者右子节点
3. 满二叉树
叶子节点全都在最底层,除了叶子节点之外,每个节点都有左右两个子节点
4. 完全二叉树
叶子节点都在最底下两层,最后一层的叶子节点都靠左排列,并且除了最后一层,其他层的节点个数都要达到最大
5. 二叉树的存储
5.1 链式存储法
5.2 数组存储法
根节点 | 左子节点 | 右子节点 |
---|---|---|
i=1 | 2*i | 2*i+1 |
不过注意哦,上面的情况是基于完全二叉树考虑的,如果不是完全二叉树的话,会浪费一些空间,看下图所示:
所以,如果某棵二叉树是一棵完全二叉树,那用数组存储无疑是最节省内存的一种方式,你会发现,堆其实就是一种完全二叉树,最常用的存储方式就是数组
**
6. 二叉树的遍历
图解:
代码实现:
void preOrder(Node* root) {
if (root == null) return;
print root // 此处为伪代码,表示打印root节点
preOrder(root->left);
preOrder(root->right);
}
void inOrder(Node* root) {
if (root == null) return;
inOrder(root->left);
print root // 此处为伪代码,表示打印root节点
inOrder(root->right);
}
void postOrder(Node* root) {
if (root == null) return;
postOrder(root->left);
postOrder(root->right);
print root // 此处为伪代码,表示打印root节点
}
7. 二叉查找树(Binary Search Tree)
支持动态数据集合的快速插入、删除、查找操作
散列表也是支持这些操作的,并且散列表的这些操作比二叉查找树更高效,时间复杂度是 O(1),既然有了这么高效的散列表,使用二叉树的地方是不是都可以替换成散列表呢?有没有哪些地方是散列表做不了,必须要用二叉树来做的呢
先看看什么是二叉查找树:
二叉查找树要求,在树中的任意一个节点,其左子树中的每个节点的值,都要小于这个节点的值,而右子树节点的值都大于这个节点的值
8. 二叉树的查找
public class BinarySearchTree {
private Node tree;
public Node find(int data) {
Node p = tree;
while (p != null) {
if (data < p.data) p = p.left;
else if (data > p.data) p = p.right;
else return p;
}
return null;
}
public static class Node {
private int data;
private Node left;
private Node right;
public Node(int data) {
this.data = data;
}
}
}
9. 二叉查找树的插入
public void insert(int data) {
// 如果没有根节点,直接将插入元素作为根节点
if (tree == null) {
tree = new Node(data);
return;
}
Node p = tree;
while (p != null) {
// 插入元素比根节点大
if (data > p.data) {
// 如果没有右子节点,直接作为右子节点
if (p.right == null) {
p.right = new Node(data);
return;
}
// 递归右子节点插入
p = p.right;
} else { // data < p.data
if (p.left == null) {
p.left = new Node(data);
return;
}
p = p.left;
}
}
}
10. 二叉查找树的删除
- 如果要删除的节点没有子节点:我们只需要直接将父节点中,指向要删除节点的指针置为 null。比如图中的删除节点 55。
- 如果要删除的节点只有一个子节点(只有左子节点或者右子节点):只需要更新父节点中,指向要删除节点的指针,让它指向要删除节点的子节点就可以了。比如图中的删除节点 13
- 如果要删除的节点有两个子节点:我们需要找到这个节点的右子树中的最小节点,把它替换到要删除的节点上。然后再删除掉这个最小节点,因为最小节点肯定没有左子节点(如果有左子结点,那就不是最小节点了),所以,我们可以应用上面两条规则来删除这个最小节点。比如图中的删除节点 18。 ```java
public void delete(int data) { Node p = tree; // p指向要删除的节点,初始化指向根节点 Node pp = null; // pp记录的是p的父节点 while (p != null && p.data != data) { pp = p; if (data > p.data) p = p.right; else p = p.left; } if (p == null) return; // 没有找到
// 要删除的节点有两个子节点 if (p.left != null && p.right != null) { // 查找右子树中最小节点 Node minP = p.right; Node minPP = p; // minPP表示minP的父节点 while (minP.left != null) { minPP = minP; minP = minP.left; } p.data = minP.data; // 将minP的数据替换到p中 p = minP; // 下面就变成了删除minP了 pp = minPP; }
// 删除节点是叶子节点或者仅有一个子节点 Node child; // p的子节点 if (p.left != null) child = p.left; else if (p.right != null) child = p.right; else child = null;
if (pp == null) tree = child; // 删除的是根节点 else if (pp.left == p) pp.left = child; else pp.right = child; } ```
11. 二叉排序树
二叉查找树也叫二叉排序树,理由如下:
中序遍历二叉查找树,可以输出有序的数据序列,时间复杂度是 O(n)
12. 二叉查找树时间复杂度分析
根节点的左右子树极度不平衡,已经退化成了链表,所以查找的时间复杂度就变成了 O(n)。
二叉查找树是一棵完全二叉树(或满二叉树),时间复杂度其实都跟树的高度成正比,也就是 O(height)
13. 为什么要用二叉查找树
散列表的插入、删除、查找操作的时间复杂度可以做到常量级的 O(1),非常高效。而二叉查找树在比较平衡的情况下,插入、删除、查找操作时间复杂度才是 O(logn),相对散列表,好像并没有什么优势,那我们为什么还要用二叉查找树呢
- 散列表中的数据是无序存储的,如果要输出有序的数据,需要先进行排序。而对于二叉查找树来说,我们只需要中序遍历,就可以在 O(n) 的时间复杂度内,输出有序的数据序列。
- 散列表扩容耗时很多,而且当遇到散列冲突时,性能不稳定,尽管二叉查找树的性能不稳定,但是在工程中,我们最常用的平衡二叉查找树的性能非常稳定,时间复杂度稳定在 O(logn)。
- 笼统地来说,尽管散列表的查找等操作的时间复杂度是常量级的,但因为哈希冲突的存在,这个常量不一定比 logn 小,所以实际的查找速度可能不一定比 O(logn) 快。加上哈希函数的耗时,也不一定就比平衡二叉查找树的效率高。
- 散列表的构造比二叉查找树要复杂,需要考虑的东西很多。比如散列函数的设计、冲突解决办法、扩容、缩容等。平衡二叉查找树只需要考虑平衡性这一个问题,而且这个问题的解决方案比较成熟、固定。
- 最后,为了避免过多的散列冲突,散列表装载因子不能太大,特别是基于开放寻址法解决冲突的散列表,不然会浪费一定的存储空间。
当然了,实际使用的时候要具体情况具体分析