Python 数据结构之树的概念详解

数据结构树简介

一、树简介

树(Tree)是一种抽象的数据结构，是一个数据的集合，集合中的数据组成了一个树状结构。例如上图，看起来像一棵倒挂的树，根朝上叶朝下。

树是由n(n>=0)个节点组成的具有层次关系的数据集合。当 n=0 时，树中没有节点，称为空树。当 n>0 时，有且仅有一个节点被称为根节点(Root)，如果 n=1 ，树只有根节点一个节点。如果 n>1 ，除根节点外，将其余的节点分成m(m>0)个互不相交的数据集合，这 m 个集合每一个都要满足树的结构(有且仅有一个根节点)，并且这 m 棵树都“挂”在根节点上，如此递归下去，直到所有节点都“挂”到这棵树上。其中，这 m 个集合构成的 m 棵树都被称为根节点的子树。

在理解树的结构和定义时，需要运用到递归的思想。以下图为例，树的节点集合为 {A,B,C,D,E,F,G,H} ，n=8，根节点为 A ，除根节点 A 外，其余节点组成了两个(m=2)集合(m1和m2)，m1集合为 {B,D,E} ，m2集合为 {C,F,G,H} 。在m1中，B 为m1的根节点，除 B 以外，其余节点组成两个集合，集合 {D} 和集合 {E} ，{D} 和 {E} 都只有一个节点，分别构成一棵只有一个节点的树，它们“挂”在m1的根节点 B 上，是 B 的子树，m1构成一棵树，“挂”在根节点 A 上，m1是 A 的子树。同理，在m2中，C 为m2根节点，其余节点组成三个集合 {F} 、{G} 和 {H} ......

二、树的术语

要理解树这种数据结构，必须先理解一些常用的术语。

树由一个一个的节点组成，节点是构成复杂数据结构的基本组成单位。

1. 子节点：又称为孩子节点，一个节点所包含的子树的根节点被称为该节点的子节点。如下图中，节点 B 有两棵子树，这两棵子树的根节点为 D 和 E ，所以 D 和 E 都是 B 的子节点。

2. 父节点：又称为父亲节点，如果一个节点有子节点，则这个节点被称为其子节点的父节点。如下图中，节点 B 有两个子节点 D 和 E ，则 B 是 D 的父节点，也是 E 的父节点。

3. 兄弟节点：具有相同父节点的节点互称为兄弟节点。下图中的 D 和 E 就互为兄弟节点。

4. 堂兄弟节点：如果树的两个节点深度相同，但父节点不同，则它们互为堂兄弟节点。下图中的 D与F，D与G，D与H，D与I 都是堂兄弟节点关系。

5. 节点的祖先：从根节点开始，依次找到某节点所经路径上的所有节点都称为该节点的祖先。如下图中，节点 J 的祖先节点为 A,B,D 。

6. 节点的子孙：以某节点为根的子树中，任一节点都称为该节点的子孙。如下图中，节点 C 的子孙有 F,G,H,I,M,N,O 。

7. 节点的层次：从根开始定义起，根为第1层，根的子节点为第2层，以此类推。如下图中，根节点 A 在第1层，节点 M 在第4层。

8. 节点的深度：一个节点所处的层次称为该节点的深度。如下图中，根节点 A 的深度为1，节点 M 的深度为4 。(上面解释堂兄弟节点时有用到节点的深度，现在可以回去看看)

9. 树的深度：又称为树的高度，一棵树中，最大的节点深度称为树的深度。如下图中的树深度为4。

关于深度和高度，有两种定义方式，一种是将根节点的深度定义为0，另一种是将根节点的深度定义为1。但不管怎样，每个深度为 k 的节点的子节点的深度都为 k+1 ，这是不变的。

10. 节点的度：一个节点含有的子树(或子节点)的个数称为该节点的度。如下图中， 根节点 A 的度为2，节点 C 的度为4，节点 I 的度为1，节点 O 的度为 0 。

11. 树的度：一棵树中，最大的节点度称为树的度。如下图中，最大的节点度是4，则树的度为4。

12. 叶节点：又称为终端节点，度为零的节点被称为叶节点。如下图中，节点 F,H,J,K,L,M,N,O 都是叶节点。

13. 森林：由m(m>=0)棵互不相交的树构成的集合称为森林。森林是从树延伸出来的术语，森林里的树一定是互不相交的。

三、树的特点

通过对树的定义和树的术语进行介绍，基本可以理解树这种数据结构了，总结起来，树有以下特点。

1. 如果树的节点数 n>0，根节点是唯一的，不可能存在多个根节点。

2. 没有父节点的节点称为根节点。根节点是没有父节点的。

3. 每一个非根节点有且只有一个父节点。除了根节点外，其他所有节点都有父节点，并且同一个节点只有一个父节点，不可能有多个。

4. 每个节点有零个或多个子节点。

5. 除了根节点外，子节点可以分为多个不相交的子树。这些子树一定是互不相交的。

6. 每个深度为 k 的节点的子节点的深度都为 k+1 。

四、树的分类

所有树都满足以上的特点，除此之外，一些树还具有专有的特点。根据专有的特点，可以对树进行分类。

1. 无序树：也称为自由树，树中存在一个节点，节点的子节点之间没有顺序关系。如下图中，右边的树是无序树，从树中取一个节点 D ，D 的子节点是节点 J 和节点 E，它们是没有顺序关系的，所以这是一棵无序树。

2. 有序树：树中任意节点的子节点之间有顺序关系。如下图中，左边的树是有序树，从树中任意取一个节点 C，C 的子节点是 F,G,H ，它们是有顺序关系的(字母顺序)，所以这是一棵有序树。

图中的有序和无序以字母顺序作为案例，实际应用中的“有序”并不限于字母顺序、数字顺序等，实际的有序主要是指“不能互换”。

无序树的节点之间没有顺序关系，节点之间的关系不能通过代码来模拟和控制，所以基本没有实际的应用场景。

使用树这种数据结构，基本都是使用有序树，对于有序树，又可以分为以下几种。

1. 二叉树：每个节点最多含有两个子树的树称为二叉树，如下图。二叉树是最常用的树结构，可以对二叉树进一步细分(另外的文章再仔细研究)。

2. 霍夫曼树：又称为最优二叉树，是一种带权路径最短的二叉树。

3. B树：是一种对读写操作进行优化的自平衡的二叉查找树，能够保持数据有序，拥有多余两个子树。

可以看到，后面的两种树都是在二叉树的基础上，根据特殊的场景独立出来的，光看定义很难理解，所以以后的文章再研究。

来源：https://blog.csdn.net/weixin_43790276/article/details/104033482