数据结构之二叉树

通过前面的学习，我们知道，有序数组能够利用二分查找法高速的查找特定的值，时间复杂度为O(log₂N)，可是插入数据时非常慢，时间复杂度为O(N)；链表的插入和删除速度都非常快，时间复杂度为O(1)，可是查找特定值非常慢，时间复杂度为O(N)。

那么，有没有一种数据结构既能像有序数组那样高速的查找数据，又能像链表那样高速的插入数据呢？树就能满足这样的要求。只是依旧是以算法的复杂度为代价

在编程的世界里，有一个真理叫“复杂度守恒定律”（当然，这是我杜撰的），一个程序当它减少了一个方面的复杂度，必定会在其它方面添加复杂度。这就跟谈恋爱一样，也没有无缘无故的爱，没有无缘无故的恨，当你跟程序谈恋爱时，没有无缘无故的易用性，也没有无缘无故的复杂度

树的相关概念

我们先从广义上来讨论一下树的概念

树事实上是范畴更广的图的特例

以下是一个普通的非二叉树

在程序中，节点一般用来表示实体，也就是数据结构里存储的那些数据项，在java这种面向对象的编程语言中，经常使用节点来表示对象

节点间的边表示关联节点间的路径，沿着路径，从一个节点到还有一个节点非常easy，也非常快，在树中，从一个节点到还有一个节点的唯一方法就是顺着边前进。java语言中，经常使用引用来表示边（C/C++中一般使用指针）

树的顶层总是仅仅有一个节点，它通过边连接到第二层的多个节点，然后第二层也能够通过边连接到第三层，以此类推。所以树的顶部小，底部大，呈倒金字塔型，这和现实世界中的树是相反的

假设树的每一个节点最多有两个子节点，则称为二叉树。假设节点的子节点能够多余两个，称为多路树

有非常多关于树的术语，在这里不做过多的文字解释，以下给出一个图例，通过它能够直观地理解树的路径、根、父节点、子节点、叶节点、子树、层等概念

须要注意的是，从树的根到随意节点有且仅仅有一条路径能够到达，下图所看到的就不是一棵树，它违背了这一原则

二叉搜索树

我们从一种特殊的、使用非常广泛的二叉树入手：二叉搜索树。

二叉搜索树的特点是，一个节点的左子节点的keyword值小于这个节点，右子节点的keyword值大于或等于这个父节点。下图就是一个二叉搜索树的演示样例：

关于树，另一个平衡树与非平衡树的概念。非平衡就是说树的大部分节点在根的一边，例如以下图所看到的：

树的不平衡是由数据项插入的顺序造成的。假设keyword是随机插入的，树会更趋向于平衡，假设插入顺序是升序或者降序，则全部的值都是右子节点或左子节点，这样生成的树就会不平衡了。非平衡树的效率会严重退化

接下来我们就用java语言实现一个二叉搜索树，并给出查找、插入、遍历、删除节点的方法

首先要有一个封装节点的类，这个类包括节点的数据以及它的左子节点和右子节点的引用

  //树节点的封装类
public class Node {
      int age;
      String name;
      Node leftChild;  //左子节点的引用
      Node rightChild; //右子节点的引用
     
      public Node(int age,String name){
             this.age = age;
             this.name = name;
      }
     
      //打印该节点的信息
      public void displayNode(){
             System.out.println("name:"+name+",age:"+age);
      }
}

以上age，name两个属性用来代表该节点存储的信息，更好的方法是将这些属性封装成一个对象，比如：

      Person{
             private int age;
             private String name;
 
             public void setAge(int age){
                    this.age = age;
             }
 
             public int getAge(){
                    return this.age;
             }
 
             public void setName(String name){
                    this.name = name;
             }
 
             public String getName(){
                    return this.name;
             }
 
      }

      这样做才更符合“面向对象”的编程思想。只是如今我们的重点是数据结构而非编程思想，所以在程序中简化了

因为树的结构和算法相对复杂，我们先逐步分析一下查找、插入等操作的思路，然后再写出整个的java类

查找

我们已经知道，二叉搜索树的特点是左子节点小于父节点，右子节点大于或等于父节点。查找某个节点时，先从根节点入手，假设该元素值小于根节点，则转向左子节点，否则转向右子节点，以此类推，直到找到该节点，或者到最后一个叶子节点依旧没有找到，则证明树中没有该节点

比方我们要在树中查找57，运行的搜索路线例如以下图所看到的：

 

插入

插入一个新节点首先要确定插入的位置，这个过程类似于查找一个不存在的节点。例如以下图所看到的：

找到要插入的位置之后，将父节点的左子节点或者右子节点指向新节点就可以

遍历

遍历的意思是依据一种特定顺序訪问树的每个节点

有三种简单的方法遍历树：前序遍历、中序遍历、后序遍历。二叉搜索树最经常使用的方法是中序遍历，中序遍历二叉搜索树会使全部的节点按keyword升序被訪问到

遍历树最简单的方法是递归。用该方法时，仅仅须要做三件事（初始化时这个节点是根）：

1、调用自身来遍历节点的左子树

2、訪问这个节点

3、调用自身来遍历节点的右子树

遍历能够应用于不论什么二叉树，而不仅仅是二叉搜索树。遍历的节点并不关心节点的keyword值，它仅仅看这个节点是否有子节点

下图展示了中序遍历的过程：

对于每一个节点来说，都是先訪问它的左子节点，然后訪问自己，然后在訪问右子节点

假设是前序遍历呢？就是先訪问父节点，然后左子节点，最后右子节点；同理，后序遍历就是先訪问左子节点，在訪问右子节点，最后訪问父节点。所谓的前序、中序、后序是针对父节点的訪问顺序而言的

查找最值

在二叉搜索树中，查找最大值、最小是是非常easy实现的，从根循环訪问左子节点，直到该节点没有左子节点为止，该节点就是最小值；从根循环訪问右子节点，直到该节点没有右子节点为止，该节点就是最大值

下图就展示了查找最小值的过程：

 

删除节点

树的删除节点操作是最复杂的一项操作。该操作须要考虑三种情况考虑：

1、该节点没有子节点

2、该节点有一个子节点

3、该节点有两个子节点

第一种没有子节点的情况非常easy，仅仅需将父节点指向它的引用设置为null就可以：

另外一种情况也不是非常难，这个节点有两个连接须要处理：父节点指向它的引用和它指向子节点的引用。不管要删除的节点以下有多复杂的子树，仅仅须要将它的子树上移：

另一种特殊情况须要考虑，就是要删除的是根节点，这时就须要把它唯一的子节点设置成根节点

以下来看最复杂的第三种情况：要删除的节点由连个子节点。显然，这时候不能简单地将子节点上移，由于该节点有两个节点，右子节点上移之后，该右子节点的左子节点和右子节点又怎么安排呢？

这是应该想起，二叉搜索树是依照关键升序排列，对每个keyword来说，比它keyword值高的节点是它的中序后继，简称后继。删除有两个子节点的节点，应该用它的中序后继来替代该节点

上图中，我们先列出中序遍历的顺序：

5    15   20  25   30   35   40

能够看到，25的后继是35，所以应该用30来替代25的位置。实际上就是找到比欲删除节点的keyword值大的集合中的最小值。从树的结构上来说，就是从欲删除节点的右子节点開始，依次跳到下一层的左子节点，直到该左子节点没有左子节点为止。下图就是找后继节点的演示样例：

从上图中能够看到，后集结点有两种情况：一种是欲删除节点的右子节点没有左子节点，那么它本身就是后继节点，此时，仅仅须要将以此后继节点为根的子树移到欲删除节点的位置：

还有一种情况是欲删除节点的右子节点有左子节点，这样的情况就比較复杂，以下来逐步分析。首先应该意识到，后继节点是肯定没有左子节点的，可是可能会有右子节点

 

上图中，75为欲删除节点，77为它的后继节点，树变化的过程例如以下：

1、把87的左子节点设置为79；

2、把77的右子节点设为以87为根的子树；

3、把50的右子节点设置为以77为根的子树；

4、把77的左子节点设置为62

到此为止，删除操作最终分析完成，包括了全部可能出现的情况。可见，二叉树的删除是一件很棘手的工作，那么我们就该反思了，删除是必需要做的任务吗？有没有一种方法避开这样的烦人的操作？有困难要上，没有困难创造困难也要上的二货精神是不能提倡的

在删除操作不是非常多的情况下，能够在节点类中添加一个布尔字段，来作为该节点是否已删除的标志。在进行其它操作，比方查找时，之前对该节点是否已删除进行推断。这样的思路有点逃避责任，可是在非常多时候还是非常管用的。本例中为了更好的深入理解二叉树，会採用原始的、复杂的删除方法

 

以下我们就依据上面的分析，写出一个完整的二叉搜索树类，该类中，假设有反复值，插入到右子节点，查找时也仅仅返回第一个找到的节点

     import java.util.ArrayList;
     import java.util.List;
 
     //二叉搜索树的封装类
     public class BinaryTree {
      private Node root;  //根节点
     
      public BinaryTree(){
             root = null;
      }
     
      //按keyword查找节点
      public Node find(int key){
             Node cur = root;  //从根节点開始查找
            
             if(cur == null){  //假设树为空，直接返回null
                    return null;
             }
            
             while(cur.age != key){
                    if(cur.age < key){
                           cur = cur.leftChild;  //假设keyword比当前节点小，转向左子节点
                    }else{
                           cur = cur.leftChild;  //假设keyword比当前节点大，转向右子节点
                    }
                   
                    if(cur == null){  //没有找到结果，搜索结束
                           return null;
                    }
             }
             return cur;
      }
     
      //插入新节点
      public void insert(Node node){
             if(root == null){
                    root = node;  //假设树为空，则新插入的节点为根节点
             }else{
                    Node cur = root; 
                   
                    while(true){ 
                           if(node.age < cur.age){
                                  if(cur.leftChild == null){  //找到了要插入节点的父节点
                                         cur.leftChild = node;
                                         return;
                                  }
                                  cur = cur.leftChild;
                           }else{
                                  if(cur.rightChild == null){  //找到了要插入节点的父节点
                                         cur.rightChild = node;
                                         return;
                                  }
                                  cur = cur.rightChild;
                           }
                    }
             }
      }
     
      //删除指定节点
      public boolean delete(Node node){
             if(root == null){
                    return false;  //假设为空树，直接返回false
             }
            
             boolean isLeftChild = true;  //记录目标节点是否为父节点的左子节点
             Node cur= root;  //要删除的节点
             Node parent = null; //要删除节点的父节点
            
             while(cur.age != node.age){  //确定要删除节点和它的父节点
                    parent = cur;
                    if(node.age < cur.age){  //目标节点小于当前节点，跳转左子节点
                           cur = cur.leftChild;
                    }else{//目标节点大于当前节点，跳转右子节点
                           isLeftChild = false;
                           cur = cur.rightChild;
                    }
                    if(cur == null){
                           return false;  //没有找到要删除的节点
                    }
             }
     
             if(cur.leftChild == null && cur.rightChild == null){  //目标节点为叶子节点（无子节点）
                    if(cur == root){  //要删除的为根节点
                           root = null;
                    }else if(isLeftChild){
                           //要删除的不是根节点，则该节点肯定有父节点，该节点删除后，须要将父节点指向它的引用置空
                           parent.leftChild = null;
                    }else{
                           parent.rightChild = null;
                    }
             }else if(cur.leftChild == null){  //仅仅有一个右子节点
                    if(cur == root){
                           root = cur.rightChild;
                    }else if(isLeftChild){
                           parent.leftChild = cur.rightChild;
                    }else{
                           parent.rightChild = cur.rightChild;
                    }
             }else if(cur.rightChild == null){  //仅仅有一个左子节点
                    if(cur == root){
                           root = cur.leftChild;
                    }else if(isLeftChild){
                           parent.leftChild = cur.leftChild;
                    }else{
                           parent.rightChild = cur.leftChild;
                    }
             }else{  //有两个子节点
                    //第一步要找到欲删除节点的后继节点
                    Node successor = cur.rightChild; 
                    Node successorParent = null;
                    while(successor.leftChild != null){
                           successorParent = successor;
                           successor = successor.leftChild;
                    }
                    //欲删除节点的右子节点就是它的后继，证明该后继无左子节点，则将以后继节点为根的子树上移就可以
                    if(successorParent == null){ 
                           if(cur == root){  //要删除的为根节点，则将后继设置为根，且根的左子节点设置为欲删除节点的做左子节点
                                  root = successor;
                                  root.leftChild = cur.leftChild;
                           }else if(isLeftChild){
                                  parent.leftChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }else{
                                  parent.rightChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }
                    }else{ //欲删除节点的后继不是它的右子节点
                           successorParent.leftChild = successor.rightChild;
                           successor.rightChild = cur.rightChild;
                           if(cur == root){ 
                                  root = successor;
                                  root.leftChild = cur.leftChild;
                           }else if(isLeftChild){
                                  parent.leftChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }else{
                                  parent.rightChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }
                    }
             }
            
             return true;
      }
     
      public static final int PREORDER = 1;   //前序遍历
      public static final int INORDER = 2;    //中序遍历
      public static final int POSTORDER = 3;  //中序遍历
     
      //遍历
      public void traverse(int type){
             switch(type){
             case 1:
                    System.out.print("前序遍历：	");
                    preorder(root);
                    System.out.println();
                    break;
             case 2:
                    System.out.print("中序遍历：	");
                    inorder(root);
                    System.out.println();
                    break;
             case 3:
                    System.out.print("后序遍历：	");
                    postorder(root);
                    System.out.println();
                    break;
             }
      }
     
      //前序遍历
      public void preorder(Node currentRoot){
             if(currentRoot != null){
                    System.out.print(currentRoot.age+"	");
                    preorder(currentRoot.leftChild);
                    preorder(currentRoot.rightChild);
             }
      }
     
      //中序遍历，这三种遍历都用了迭代的思想
      public void inorder(Node currentRoot){
             if(currentRoot != null){
                    inorder(currentRoot.leftChild);  //先对当前节点的左子树对进行中序遍历
                    System.out.print(currentRoot.age+"	"); //然后訪问当前节点
                    inorder(currentRoot.rightChild);  //最后对当前节点的右子树对进行中序遍历
             }
      }
     
      //后序遍历
      public void postorder(Node currentRoot){
             if(currentRoot != null){
                    postorder(currentRoot.leftChild);
                    postorder(currentRoot.rightChild);
                    System.out.print(currentRoot.age+"	");
             }
      }
     
      //私有方法，用迭代方法来获取左子树和右子树的最大深度，返回两者最大值
      private int getDepth(Node currentNode,int initDeep){
             int deep = initDeep;  //当前节点已到达的深度
             int leftDeep = initDeep;
             int rightDeep = initDeep;
             if(currentNode.leftChild != null){  //计算当前节点左子树的最大深度
                    leftDeep = getDepth(currentNode.leftChild, deep+1);
             }
             if(currentNode.rightChild != null){  //计算当前节点右子树的最大深度
                    rightDeep = getDepth(currentNode.rightChild, deep+1);
             }
            
             return Math.max(leftDeep, rightDeep);
      }
     
      //获取树的深度
      public int getTreeDepth(){
             if(root == null){
                    return 0;
             }
             return getDepth(root,1);
      }
     
      //返回关键值最大的节点
      public Node getMax(){
             if(isEmpty()){
                    return null;
             }
             Node cur = root;
             while(cur.rightChild != null){
                    cur = cur.rightChild;
             }
             return cur;
      }
     
      //返回关键值最小的节点
      public Node getMin(){
             if(isEmpty()){
                    return null;
             }
             Node cur = root;
             while(cur.leftChild != null){
                    cur = cur.leftChild;
             }
             return cur;
      }
     
      //以树的形式打印出该树
      public void displayTree(){
             int depth = getTreeDepth();
             ArrayList<Node> currentLayerNodes = new ArrayList<Node> ();
             currentLayerNodes.add(root);  //存储该层全部节点
             int layerIndex = 1;
             while(layerIndex <= depth){
                    int NodeBlankNum = (int)Math.pow(2, depth-layerIndex)-1;  //在节点之前和之后应该打印几个空位
                    for(int i = 0;i<currentLayerNodes.size();i++){
                           Node node = currentLayerNodes.get(i);
                           printBlank(NodeBlankNum);   //打印节点之前的空位
                          
                           if(node == null){
                                  System.out.print("*	");  //假设该节点为null，用空位取代
                           }else{
                                  System.out.print("*  "+node.age+"	");  //打印该节点
                           }
                          
                           printBlank(NodeBlankNum);  //打印节点之后的空位
                           System.out.print("*	");   //补齐空位
                    }
                    System.out.println();
                    layerIndex++;
                    currentLayerNodes = getAllNodeOfThisLayer(currentLayerNodes);  //获取下一层全部的节点
             }
      }
     
      //获取指定节点集合的全部子节点
      private ArrayList getAllNodeOfThisLayer(List parentNodes){
             ArrayList list = new ArrayList<Node>();
             Node parentNode;
             for(int i=0;i<parentNodes.size();i++){
                    parentNode = (Node)parentNodes.get(i);
                    if(parentNode != null){ 
                           if(parentNode.leftChild != null){  //假设上层的父节点存在左子节点，增加集合
                                  list.add(parentNode.leftChild);
                           }else{
                                  list.add(null);  //假设上层的父节点不存在左子节点，用null取代，一样增加集合
                           }
                           if(parentNode.rightChild != null){
                                  list.add(parentNode.rightChild);
                           }else{
                                  list.add(null);
                           }
                    }else{  //假设上层父节点不存在，用两个null占位，代表左右子节点
                           list.add(null);
                           list.add(null);
                    }
             }
             return list;
      }
     
      //打印指定个数的空位
      private void printBlank(int num){
             for(int i=0;i<num;i++){
                    System.out.print("*	");
             }
      }
     
      //判空
      public boolean isEmpty(){
             return (root == null);
      }
     
      //推断是否为叶子节点
      public boolean isLeaf(Node node){
             return (node.leftChild != null || node.rightChild != null);
      }
     
      //获取根节点
      public Node getRoot(){
             return root;
      }
     
}

displayTree方法依照树的形状打印该树。对一颗深度为3的二叉树的打印效果例如以下图所看到的：