本篇博客为将为大家介绍一下数据结构---二叉树,它在保留数组和链表的优点的同时也改善了它们的缺点(当然它也有着自己的缺点,同时它的实现也比较复杂).
数组的优点:
数组的缺点:
链表的优点:
链表的缺点:
树是一种数据结构,因为它数据的保存形式很像一个树,所以得名为树(树状图).
而二叉树是一种特殊的树,它的每个节点最多含有两个子树,现实世界中的二叉树:
图1
但是实际中的二叉树却是倒挂的,如图:
图2
二叉树的名词解释:
深度与高度的区别在于:深度为根到节点的距离,而高度是节点到叶的距离(记住根深叶高)。
二叉搜索树是一种特殊的二叉树,除了它的子节点不能超过两个以外,它还拥有如下特点:
图3 - 二叉搜索树关键字的排序方式
从图3还可以看出,二叉搜索树的最小值就是它的最左节点的关键字的值,而最大值则是它的最右节点的值.
二叉搜索树的查找、新增、删除的效率为O(logN)(这是理想状态下,如果树是不平衡的效率会降到O(N),后面会介绍).
二叉搜索树之所以效率高就在于:
二叉树中数据是保存在一个个的节点中的,下面是保存数据的节点类:
/**
* @author liuboren
* @Title: 节点类
* @Description:
*/
public class Node {
// 用来进行排序的关键字数组
int sortData ;
// 其他类型的数据
int other;
// 该节点的左子节点
Node leftNode;
// 该节点的右子节点
Node rightNode;
public static void main(String[] args) {
Node node = new Node();
System.out.println("node.leftNode = " + node.leftNode);
System.out.println(node.leftNode);
}
}
在二叉搜索树这个类中新增、修改、删除数据:
public class Tree {
// 根节点
Node root;
public Tree(Node root) {
this.root = root;
}
// 新增、查找、删除 暂时省略,下面会一一介绍
}
在二叉树中插入数据的流程如下:
图4
图5
Java代码:
/*新增数据*/
public void insertData(Node node) {
int currentSortData = root.sortData;
Node currentNode = root;
Node currentLeftNode = root.leftNode;
Node currentRightNode = root.rightNode;
int insertSortData = node.sortData;
while (true) {
if (insertSortData < currentSortData) {
if (currentLeftNode == null) {
currentNode.leftNode = node;
break;
} else {
currentNode = currentNode.leftNode;
currentLeftNode = currentNode.leftNode;
currentRightNode = currentNode.rightNode;
currentSortData = currentNode.sortData;
}
} else {
if (currentRightNode == null) {
currentNode.rightNode = node;
break;
} else {
currentNode = currentNode.rightNode;
currentSortData = currentNode.sortData;
currentLeftNode = currentNode.leftNode;
currentRightNode = currentNode.rightNode;
}
}
}
System.out.println("root = " + root);
}
流程与插入方法类似.(Java知音公众号内回复“面试题聚合“,送你一份面试题宝典)
Java代码:
public void query(int sortData) {
Node currentNode = root;
while (true) {
if (sortData != currentNode.sortData) {
if (sortData < currentNode.sortData) {
if (currentNode.leftNode != null) {
currentNode = currentNode.leftNode;
} else {
System.out.println("对不起没有查询到数据");
}
} else {
if (currentNode.rightNode != null) {
currentNode = currentNode.rightNode;
} else {
System.out.println("对不起没有查询到数据");
}
}
} else {
System.out.println("二叉树中有该数据");
}
}
}
删除节点要分三种情况.
删除节点无子节点的情况是最简单的,直接将该节点置为null就可以了:
图6
删除节点有一个子节点的情况:
图7
删除后:
图8
最复杂的删除节点有两个子节点的情况,删除流程如下:
图9
删除后:
图10
为什么要以这种方式删除节点呢? 再次回顾一下二叉搜索树的特点:
之所以要找删除节点的右子节点的最后一个左节点,是因为这个值是删除节点的子节点中最小的值,为了满足上面的这两个特点,所以删除要以这种算法去实现.更多排序算法扩展:排序算法内容聚合
Java代码:
public boolean delete(int deleteData) {
Node curr = root;
Node parent = root;
boolean isLeft = true;
while (deleteData != curr.sortData) {
if (deleteData <= curr.sortData) {
isLeft = true;
if (curr.leftNode != null) {
parent = curr;
curr = curr.leftNode;
}
} else {
isLeft = false;
if (curr.rightNode != null) {
parent = curr;
curr = curr.rightNode;
}
}
if (curr == null) {
return false;
}
}
// 删除节点没有子节点的情况
if (curr.leftNode == null && curr.rightNode == null) {
if (curr == root) {
root = null;
} else if (isLeft) {
parent.leftNode = null;
} else {
parent.rightNode = null;
}
//删除节点只有左节点
} else if (curr.rightNode == null) {
if (curr == root) {
root = root.leftNode;
} else if (isLeft) {
parent.leftNode = curr.leftNode;
} else {
parent.rightNode = curr.leftNode;
}
//如果被删除节点只有右节点
} else if (curr.leftNode == null) {
if (curr == root) {
root = root.rightNode;
} else if (isLeft) {
parent.leftNode = curr.rightNode;
} else {
parent.rightNode = curr.rightNode;
}
} else {
Node successor = getSuccessor(curr);
if (curr == root) {
root = successor;
} else if (curr == parent.leftNode) {
parent.leftNode = successor;
} else {
parent.rightNode = successor;
}
successor.leftNode = curr.leftNode;
}
return true;
}
public Node getSuccessor(Node delNode) {
Node curr = delNode.rightNode;
Node successor = curr;
Node sucParent = null;
while (curr != null) {
sucParent = successor;
successor = curr;
curr = curr.leftNode;
}
if (successor != delNode.rightNode) {
sucParent.leftNode = successor.rightNode;
successor.rightNode = delNode.rightNode;
}
return successor;
}
遍历二叉树中的数据,有三种遍历方式:
前序、中序和后序三种遍历方式的步骤是相同的,只是顺序不同.
前序遍历顺序:
中序遍历顺序:
后序遍历顺序:
什么当前节点?什么左右子节点?太抽象!!!!没关系继续看图.
前序遍历输出顺序图:
图11
中序遍历输出顺序图:
图12
后序遍历输出顺序图:
图13
可以看出所谓的前中后序是输出当前节点的顺序,前序是在第一个输出当前节点,中序是第二个输出当前节点,后序是第三个当前节点.
又因为中序遍历是按照关键值由小到大的顺序输出的,所以中序遍历最为常用.
前、后序遍历在解析或分析二叉树(不是二叉搜索树)的算术表达式的时候比较有用,用的不太多,看下图:
我们用二叉树与数组和链表进行对比,在有100w个数据项的无序数组或链表中,查找数据项平均会比较50w次,但在有100w个节点的树中,只需要20(或更少)次的比较.
有序数组可以很快的找到数据项,但插入数据项平均需要移动50w个数据项,在100w个节点的树中插入数据项需要比较20或更少次的比较,再加上很短的时间来连接数据项.
同样,从有100w个数据项的数组中删除一个数据项需要平均移动50w个数据项,而在100w个节点的树中删除节点只需要20次或更少的比较来找到它,再加上(可能的话)一点比较的时间来找到它的后继,一点时间来断开这个节点的链接,以及连接它的后继.
结论: 树对所有常用的数据存储操作都有很高的效率
遍历不如其他操作快. 但是,遍历在大型数据库中不是常用的操作.它更长用于程序中的辅助方法来解析算术或其他的表达式,而且表达式一般都不会很长.
如果二叉树是平衡的,它的效率为: O(logN),如果二叉树是不平衡的(最极端的情况,存入树中的数据是升序或降序排列的,那么二叉树就是链表),效率为: O(N)
所以二叉搜索树在保存随机数值的时候,效率才是最高的
如果二叉树是极端不平衡的(此时的二叉树就是一个链表),它的效率为O(N),即使数值是随机的,如果数据的量够大,也有可能有一部分的数值是有序的(就像你抛硬币的时间足够长,会有一段时间出现一直抛正面或反面),造成二叉树会变成是局部不平衡的,这样它的效率会介于O(logN)到O(N).
如果您发现该资源为电子书等存在侵权的资源或对该资源描述不正确等,可点击“私信”按钮向作者进行反馈;如作者无回复可进行平台仲裁,我们会在第一时间进行处理!
加入交流群
请使用微信扫一扫!