【数据结构】树、二叉树与堆（长期维护）

下面是关于树、二叉树、堆的一些知识分享，有需要借鉴即可。

一、初识树（了解即可）

1.树的概念

概念：一种非线性数据结构，逻辑形态上类似倒挂的树
在这里插入图片描述
树的构成：由一个根+左子树+右子树构成，其中子树又可以拆分为根、左子树、右子树…

2.树的相关概念

  • 结点的度：一个结点的孩子个数
  • 叶节点（终端结点）：没有孩子的结点
  • 分支节点（非终端结点）：有孩子的结点
  • 父节点（双亲结点）：结点的上一层结点
  • 子节点（孩子结点）：孩子
  • 兄弟节点：相同父节点的结点
  • 树的度：一课树中最大的结点的度
  • 结点的层次：树的高度，从1开始计算
  • 树的高度/深度：一棵树中最大的层次
  • 结点的祖先：一个节点的上面层级的结点都可以是该节点的祖先
  • 子孙：孩子，孩子的孩子…
  • 森林：两颗或者多棵树

3.树的表示方法

树的表示方法有很多，下面来展示树的主流表示方法。

#pragma once

//方法1：结点指针数组
//前提：明确树的度
#define N 100
typedef struct TreeNode
{
	int val;
	struct TreeNode* childArr[N];//结点指针数组
}TreeNode;
//方法1：不推荐，浪费空间

//方法2：顺序表
typedef struct TreeNode
{
	int val;
	//顺序表
	struct TreeNode* arr;
	int capacity;
	int size;
}TreeNode;
//方法2：可以使用，借助其他数据结构，不够方便

//方法3：左孩子右兄弟
typedef struct TreeNode
{
	int val;
	struct TreeNode* leftchild;
	struct TreeNode* rightchild;
}TreeNode;
//方法3：十分推荐，不依赖其他数据结构，且高效表示

在这里插入图片描述

4.树的应用

树的应用场景最典型的两个：一是linux树状目录结构；二是windows森林状分盘
在这里插入图片描述

二、二叉树

(一)、初识二叉树(了解即可)

1.二叉树的相关概念

二叉树概念：二叉树属于一种特殊的树，需要具备两个条件的树才可以成为二叉树：

  • 首先是树
  • 树的度<=2
    在这里插入图片描述
    在这里插入图片描述

满二叉树的概念：一种特殊的二叉树、同时满足二叉树、且满足树的每一层都是满的
完全二叉树概念：一种特殊的二叉树、同时满足二叉树、且树前h-1层满的+第h层是自左向右是连续的
在这里插入图片描述

思考1：探索满二叉树/完全二叉树总结点个数与层数关系
在这里插入图片描述
思考2：区分各种树的包含关系？
答：
在这里插入图片描述

2.二叉树的意义

二叉树意义：为后面的搜索二叉树、红黑树、AVL树等高阶数据结构做铺垫。

本身树的意义并不大，二叉树的意义单从存储数据来说也没有什么意义，但是二叉树是组成搜索二叉树、哈夫曼树的基础，有了搜索二叉树大大方便数据搜索但也存在一些问题，有些搜索二叉树可能会退化为类似链表的树，因而AVL树、红黑树、M阶B树也随之而来解决问题。
在这里插入图片描述

3.二叉树的存储结构

一般来说二叉树具有两种存储方式，一是数组存储、二是链式存储。
顺序存储（数组存储）

//完全二叉树顺序结构表示
typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
};

在这里插入图片描述
链式存储
在这里插入图片描述

思考：该如何选择存储方式？
如果是完全二叉树/满二叉树，选择顺序结构，如果是一般的二叉树，要选择链式结构进行存储。
至于为什么，下面来进行解答：
如果是完全二叉树，放在数组中，其数组下标在父子关系上存在公式，也就是说知道孩子的结点下标就可以算出父亲的数组下标，这样一来就很方便了，但如果不是完全二叉树就不具备这个关系。
在这里插入图片描述
父子间公式：

  • leftchild = 2 * parent + 1;
  • rightchild = 2 * parent + 2;
  • parent = (child - 1)/2;

4.二叉树的相关性质

在这里插入图片描述

(二)、堆

1.堆的概念

数据结构堆，需要满足两个条件：

  • 是完全二叉树
  • 父子间满足父>=子(父<=子)

注：我们称父>=子的堆为大堆，反之为小堆
在这里插入图片描述
下面是堆的所有接口一览：

#pragma once
#include<stdio.h>
#include<stdlib.h>
#include<assert.h>
#include<stdbool.h>

/*
//方法1：结点指针数组
//前提：明确树的度
#define N 100
typedef struct TreeNode
{
	int val;
	struct TreeNode* childArr[N];//结点指针数组
}TreeNode;
//方法1：不推荐，浪费空间

//方法2：顺序表
typedef struct TreeNode
{
	int val;
	//顺序表
	struct TreeNode* arr;
	int capacity;
	int size;
}TreeNode;
//方法2：可以使用，借助其他数据结构，不够方便

//方法3：左孩子右兄弟
typedef struct TreeNode
{
	int val;
	struct TreeNode* leftchild;
	struct TreeNode* rightchild;
}TreeNode;
//方法3：十分推荐，不依赖其他数据结构，且高效表示
*/


//完全二叉树顺序结构表示
typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}HP;

void HeapInit(HP* php);
void HeapDestroy(HP* php); 
void HeapPush(HP* php, HPDataType x);
void AdjustUp(HPDataType* a, int child);
void HeapPop(HP* php);
bool HeapEmpty(HP* php);
int HeapSize(HP* php);
HPDataType HeapTop(HP* php);

2.堆的初始化与销毁接口

堆的底层我们使用顺序表实现，所以堆的初始化与销毁 == 顺序表的初始化与销毁

void HeapInit(HP* php)
{
	assert(php);

	php->a = NULL;
	php->capacity = php->size = 0;
}

void HeapDestroy(HP* php)
{
	assert(php);

	free(php->a);//本身free对空会进行检查
	php->a = NULL;
	php->capacity = php->size = 0;
}

3.堆的插入接口

思路：底层是数组，也就是顺序表，顺序表尾插成本很低，因而我们进行尾插。
问题：但是出现一个问题，尾插之后还是堆吗？（还满足父子间结点下标关系吗？）—>向上调整算法
在这里插入图片描述

void Swap(HPDataType* p1, HPDataType* p2)
{
	int temp = *p1;
	*p1 = *p2;
	*p2 = temp;
}

//小堆
void AdjustUp(HPDataType* a, int child)
{
	assert(a);

	int parent = (child - 1) / 2;
	while (child > 0) //思考：请思考while括号内的结束条件是什么？
	{                 //提示选项如下：1.parent>=0 2.child>=0 3.child>0          
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

void HeapPush(HP* php, HPDataType x)
{
	assert(php);
	//扩容
	if (php->capacity == php->size)
	{
		int newcapacity = php->capacity == 0 ? 4 : 2 * php->capacity;
		HPDataType* temp = (HPDataType*)realloc(php->a, sizeof(HPDataType) * newcapacity);
		if (temp == NULL)
		{
			perror("realloc fail");
			exit(-1);
		}

		php->a = temp;
		php->capacity = newcapacity;
	}
	
	php->a[php->size++] = x;

	AdjustUp(php->a, php->size - 1);
}

数据测试：

#include"Tree.h"

int main()
{
	int a[9] = { 1,4,7,2,5,8,3,6,9 };
	HP hp;
	HeapInit(&hp);
	for (int i = 0; i < sizeof(a) / sizeof(int); i++)
	{
		HeapPush(&hp, a[i]);
	}

	HeapDestroy(&hp);
	return 0;
}

测试结果：
在这里插入图片描述

思考1：请思考while括号内的结束条件是什么？
提示选项如下：1.parent>=0 2.child>=0 3.child>0
答：while(child>0)，原因如下图。
在这里插入图片描述
思考2：向上调整的使用前提是什么？前面的数据是堆。

4.堆的删除接口

堆数据结构中规定：删除堆顶的数据。
意义：可以找出下一个最小值（最大值），也就是这一串数据中的次小值（次大值）。

怎么删除？
使用挪动数据删除,存在问题：

  • 父子间的关系全乱
  • 每次删除重建堆，时间复杂度(O(N^2))*

所以我们使用另一种思路：首尾交换，尾删，向下调整算法，原因如下：

  • 首尾交换删除之后，左右子树还存在父子关系
  • 顺序表尾删的成本低
  • 向下调整算法时间复杂度低（O(logN)）
    在这里插入图片描述
void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;

	while (child < size)//思考1：while的结束条件是什么？
	{
		// 假设左孩子小，如果解设错了，更新一下
		if (child + 1 < size && a[child + 1] < a[child])//思考2：if中“child + 1 < size”的意义是什么？
		{
			++child;
		}

		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

void HeapPop(HP* php)
{
	assert(php);
	assert(php->size > 0);

	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;
	
	AdjustDown(php->a, php->size, 0);
}

思考1：while中的条件是什么？
答：child < size
在这里插入图片描述
思考2：if中“child + 1 < size”的意义是什么？防止右孩子不存在。
思考3：向下调整算法的使用前提条件是什么？左右子树保证是堆。

测试（删除接口的意义之一）：删除的应用：用来找一列数中前k小/大的K个数字：
#include"Tree.h"

int main()
{
	int a[9] = { 1,4,7,2,5,8,3,6,9 };
	HP hp;
	HeapInit(&hp);
	for (int i = 0; i < sizeof(a) / sizeof(int); i++)
	{
		HeapPush(&hp, a[i]);
	}

	//假设找堆中前三小的数字
	for (int i = 0; i < 3; i++)
	{
		int num = hp.a[0];
		HeapPop(&hp);
		printf("%d ", num);
	}

	HeapDestroy(&hp);
	return 0;
}

在这里插入图片描述

5.其他接口

bool HeapEmpty(HP* php)
{
	assert(php);

	return php->size == 0;
}

int HeapSize(HP* php)
{
	assert(php);

	return php->size;
}

HPDataType HeapTop(HP* php)
{
	assert(php);

	return php->a[0];
}

测试（堆的意义之一），可以打印出一组有序数据（注：这里并不是堆排序）：

思考：为什么打印出有序数据!=堆排序？
答：两者的最大区别在于两点

  • 有序打印没有改变原数组，而堆排序是对原数组进行排序
  • 有序打印需要空间复杂度为O(N)，而堆排序空间复杂度O(1)
#include"Tree.h"

int main()
{
	int a[9] = { 1,4,7,2,5,8,3,6,9 };
	HP hp;
	HeapInit(&hp);
	for (int i = 0; i < sizeof(a) / sizeof(int); i++)
	{
		HeapPush(&hp, a[i]);
	}

	假设找堆中前三小的数字
	//for (int i = 0; i < 3; i++)
	//{
	//	int num = hp.a[0];
	//	HeapPop(&hp);
	//	printf("%d ", num);
	//}

	while (!HeapEmpty(&hp))
	{
		printf("%d ", HeapTop(&hp));
		HeapPop(&hp);
	}

	HeapDestroy(&hp);

	//system("pause");
	return 0;
}

在这里插入图片描述

6.堆排序的应用：TopK问题

场景：如果现在有100亿的个整形数据，找出前一百个小的值。

  • 方法1：对100亿个数据建堆，top，pop一百次即可。
    显然这种方法有问题，下面为分析：
    在这里插入图片描述
  • 方法2：升序，借助堆
    思想：排升序，建K个值大小的大堆，然后让(10亿-K)个数据依次与大堆中的堆顶进行比较，比堆顶小的值进行替换，然后向下调整…不断进行比较，直到结束。

思考1：为什么排升序要建大堆？
这其实利用了大堆的小数向下沉的性质，从而巧妙地保护了小数，防止小数被替换掉。
思考2：排升序建小堆可以吗？
可以，但是因为效率低下，还不如冒泡排序效率高。

下面是1万的数据的代码示例：

void MakeData()
{
	int n = 10000;

	srand(time(0));

	const char* pfile = "data.txt";
	FILE* pf = fopen(pfile, "w");
	if (pf == NULL)
	{
		perror("open fail");
		exit(-1);
	}

	for (int i = 0; i < n; i++)
	{
		int num = rand()%1000;
		fprintf(pf, "%d\n", num);
	}

	fclose(pf);
}

void Select_TopK(int n)
{
	int k = 10;

	FILE* pf = fopen("data.txt", "r");
	if (pf == NULL)
	{
		perror("fopen 'r' fail");
	}

	//建堆
	HPDataType* minheap = (HPDataType*)malloc(sizeof(HPDataType) * k);
	if (minheap == NULL)
	{
		perror("malloc fail");
		exit(-1);
	}
	for (int i = 0; i < k; i++)
	{
		fscanf(pf, "%d", &minheap[i]);
	}
	for (int i = (k - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(minheap, k, i);
	}

	int x = 0;
	while (fscanf(pf, "%d", &x) != EOF)
	{
		// 读取剩余数据，比堆顶的值大，就替换他进堆
		if (x > minheap[0])
		{
			minheap[0] = x;
			AdjustDown(minheap, k, 0);
		}
	}

	for (int i = 0; i < k; i++)
	{
		printf("%d ", minheap[i]);
	}
	
	free(minheap);
	fclose(pf);
}

test_TopK()
{
	//MakeData();
	Select_TopK(10000);
}

int main()
{
	//test_heap();
	test_TopK();
	return 0;
}

小技巧1：在面对庞大数据的随机数选前最值时候，如何快速测试自己代码得到结果是对的？
首先要控制数据范围，然后手动随机对每个数据修改为最值，看是否代码可以选出来。
庞大随机数测试，手动修改

小技巧2：手动条件断点，如果上面代码我只想看大于1万的值是怎么进堆的，所以我可以这样：
冷知识：没有完整语句的地方不能打断点，下面定义xx = 0目的在于打断点。在这里插入图片描述

7.堆排序

  • 方法1：借用堆push接口实现堆排序。
    过程略。
  • 方法2：对数组直接进行建堆，大致过程如下：

假如说要对N个数的数组进行排序，要求降序
第一步建堆：在这里插入图片描述

思想：将数组中第一个视为堆，将第二个数字进行向上调整，使前两个数字成为堆，将第三个数字向上调整…以此类推，对整个数组向上调整。
在这里插入图片描述
显然，现在这只是形成了小堆，并不是有序并且也不是降序。

思考：在数组直接建堆时候可以用向下调整算法吗？
可以，只需要从倒数第一个非叶子开始，依次向上对每个结点进行调整就好了。
思考：为什么要从倒数第一个非叶子开始使用向下调整算法？
因为向下调整算法的使用前提是左右子树是堆。

第二步：选数排序：
思想：建好小堆之后，首尾交换，再将尾数据不视为堆，这样，最小的数字就到了最后，同理，再次对前N-1个数字进行建堆，然后首尾交换，这样第二小的数字就到了倒数第二个位置…以此类推。
在这里插入图片描述

思考：如果要升序，建大堆还是小堆，如果要降序，建大堆还是小堆？为什么？
答：

  • 升序 —> 建大堆
  • 降序 —> 建小堆
    至于为什么，是因为无论大堆还是小堆，只能确保堆顶的数据是最大值/最小值，而我们利用了堆删除接口的思想，首尾交换，因而说升序 —> 建大堆 - 降序 —> 建小堆 。
void HeapSort(int* a, int n)
{
	// a数组直接建堆 O(N)
	for (int i = (n - 1 - 1) / 2; i >= 0; --i)
	{
		AdjustDown(a, n, i);
	}

	int end = n - 1;
	while (end > 0)//思考：while的结束条件是什么？
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}
}

(三)、分析堆

1.向下调整算法建堆的时间复杂度分析

void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;

	while (child < size)//思考1：while的结束条件是什么？
	{
		// 假设左孩子小，如果解设错了，更新一下
		if (child + 1 < size && a[child + 1] < a[child])//思考2：if中“child + 1 < size”的意义是什么？
		{
			++child;
		}

		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

在这里插入图片描述

结论：
向下调整算法时间复杂度为O(logN)
向下调整算法建堆的时间复杂度是多少？O(N)

2.向上调整算法建堆的时间复杂度分析

//小堆
void AdjustUp(HPDataType* a, int child)
{
	assert(a);

	int parent = (child - 1) / 2;
	while (child > 0) //思考：请思考while括号内的结束条件是什么？
	{                 //提示选项如下：1.parent>=0 2.child>=0 3.child>0          
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

在这里插入图片描述

结论：
向上调整算法的时间复杂度为O(logN)
向上调整算法建堆的时间复杂度为：O(N * log(N))

思考：向上调整算法与向下调整算法同为调整算法，且时间复杂度都为O(logN),为什么向下调整算法建堆的时间复杂度为O(N)，而向上调整算法却到达了O(N*logN)?
答：
说的简单一点，对于单个结点的向上调整/向下调整，都大概最差要调整高度次，也就是差不多是logN，但是对于一整个堆而言，这个堆中如果用向上调整算法，第一行不需要调整，如果用向下调整算法，最后一行不需要调整，而往往在N足够大的情况下，最后一行的结点个数占百分之50左右。
在这里插入图片描述

3.堆排序的时间复杂度分析

堆排序有两部分组成，第一步是建堆，第二是首尾交换，尾不视为堆内，对N-1个数据向下调整算法重新成为堆。
在第一步，可以使用向上/向下调整算法建堆，肯定是选择向下调整算法建堆。时间复杂度上面经过分析为O(N)
在第二步，时间复杂度为O(N*logN)
代码如下：

void HeapSort(int* a, int n)
{
	// a数组直接建堆 O(N)
	for (int i = (n - 1 - 1) / 2; i >= 0; --i)
	{
		AdjustDown(a, n, i);
	}

	int end = n - 1;
	while (end > 0)//思考：while的结束条件是什么？
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}
}

在这里插入图片描述
综上，堆排的时间复杂度为O(N*logN)

结论：堆排的时间复杂度为O(N*logN)

(四)、一般的二叉树

上面所说的堆是特殊的二叉树+满足大堆小堆的条件才可以称为堆，下面来简单说一下对于一般二叉树的常规知识点。

每棵树都可以分为根、左子树、右子树，其中左子树又可以分为根、左子树、右子树…二叉树也不例外。
在这里插入图片描述
同时，因为一般二叉树放入顺序结构中比较浪费空间，一般选用链式结构来构造一般的二叉树。

1.一般二叉树的遍历

二叉树的遍历可以分为前序遍历、中序遍历、后序遍历。

  • 二叉树的前序遍历(根、左子树、右子树)：
    前序遍历本质上是深度优先遍历
void PreOrder(Tree* root)
{
	if (root == NULL)
	{
		printf("N ");
		return;
	}

	printf("%d ", root->val);
	PreOrder(root->left);
	PreOrder(root->right);
}

在这里插入图片描述
在这里插入图片描述

拓展练习题：二叉树的前序遍历LINK
在这里插入图片描述
示例代码如下：

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     struct TreeNode *left;
 *     struct TreeNode *right;
 * };
 */
/**
 * Note: The returned array must be malloced, assume caller calls free().
 */
 int TreeSize(struct TreeNode* root)
 {
    if(root == NULL)
    {
        return 0;
    }

    return TreeSize(root->left) + TreeSize(root->right) + 1;
 }

void PreOrder(struct TreeNode* root,int* arr,int* pi)
{
    if(root == NULL)
    return;

    arr[(*pi)++] = root->val;//思考，这个小括号是否可以省略？
    PreOrder(root->left,arr,pi);
    PreOrder(root->right,arr,pi);
}

int* preorderTraversal(struct TreeNode* root, int* returnSize) {
    
    int n = *returnSize = TreeSize(root);
    int* arr = (int*)malloc(sizeof(int) * n);
    int i = 0;//思考：这里为什么要传地址
    PreOrder(root,arr,&i);

    return arr;
}

思考1：这个小括号是否可以省略？
不能，语法优先级问题。
思考2：这里为什么要传地址？
使用递归，要改变一个固定空间的i值，要传入地址或者搞一个全局变量。

  • 二叉树的中序遍历(左子树、根、右子树)
void InOrder(Tree* root)
{
	if (root == NULL)
	{
		printf("N ");
		return;
	}

	InOrder(root->left);
	printf("%d ", root->val);
	InOrder(root->right);
}

在这里插入图片描述

拓展练习题：二叉树的中序遍历LINK

  • 二叉树的后序遍历(左子树、右子树、根)
void PostOrder(Tree* root)
{
	if (root == NULL)
	{
		printf("N ");
		return;
	}

	PostOrder(root->left);
	PostOrder(root->right);
	printf("%d ", root->val);
}

在这里插入图片描述

拓展练习题：二叉树的后序遍历LINK

2.树的节点个数接口

  • 思想1：分置思路
    在这里插入图片描述
int TreeSize(Tree* root)
{
	if (root == NULL)
	{
		return 0;
	}
	
	return TreeSize(root->left) + TreeSize(root->left) + 1;
}


int TreeSize(Tree* root)
{
	return root == NULL ? 0 :TreeSize(root->left) + TreeSize(root->right) + 1;
}
  • size统计思路
//思考：如果用size进行统计结点个数，要定义为局部变量/全局变量/全局变量/指针变量？？？
//局部变量，否定，统计结果永远为0/1
//全局变量，可以，需要每次调用需要置为空size
//局部静态变量，否定，不能置空操作，多次调用之后会出问题
//指针变量：可以，每次也都需要置空

思考：size统计思路各种处理size方法的利弊。
如果用size进行统计结点个数，要定义为局部变量/全局变量/全局变量/指针变量？？？
//局部变量，否定，统计结果永远为0/1
//全局变量，可以，需要每次调用需要置为空size
//局部静态变量，否定，不能置空操作，多次调用之后会出问题
//指针变量：可以，每次也都需要置空

代码技巧：要想写好递归，需要控制好两个条件，

  • 子问题
  • 结束条件(返回条件)


对于本接口，那么需要把握好下面两个条件：

  • 子问题：一棵树的结点个数 = 左子树结点个数 + 右子树结点个数 + 1
  • 结束条件：NULL，返回0

拓展1：实现一棵树叶子结点个数：自己思考，参考代码如下

int TreeLeafSize(Tree* root)
{
	if (root == NULL)
	{
		return 0;
	}

	if (root->right == NULL && root->left == NULL)
	{
		return 1;
	}

	return TreeLeafSize(root->left) + TreeLeafSize(root->right);
}

拓展2：求树的第K层结点个数，参考代码如下：

int TreeSize_K(Tree* root,int k)
{
	if (root == NULL || k < 1)
	{
		return 0;
	}

	if (k == 1)
	{
		return 1;
	}

	return TreeSize_K(root->left, k - 1) + TreeSize_K(root->right, k - 1);
}

3.树的高度接口

思路：这里要求树的高度，那么就是对于一个子树的高度就是左子树的高度，右子树的高度取其大的进行返回 +1(这个1是指自己) 。

int TreeHeight(Tree* root)
{
	if (root == NULL)
	{
		return 0;
	}

	int leftheight = TreeHeight(root->left);//思考：这里为啥不直接返回而是用变量记录的意义。
	int rightheight = TreeHeight(root->right);
	return leftheight > rightheight ? leftheight + 1 : rightheight + 1;
}

思考：这里为啥不直接返回而是用变量记录的意义
其意义在于，防止重复调用，这里其实就是一个不断多次重复的问题。

int TreeHeight(Tree* root)
{
	return root == NULL ? 0 : (TreeHeight(root->left) > TreeHeight(root->right) ? >TreeHeight(root->left) + 1 : TreeHeight(root->right) + 1);
}

这样第一次多调用一次，那么第二层要多调用2^1 第三层要多调用2^2次 第四层要多调用2^3次…
在这里插入图片描述

4.树的查找接口

Tree* TreeFind(Tree* root, int x)
{
	if (root == NULL)
	{
		return NULL;
	}

	if (root->val == x)
	{
		return root;
	}

	Tree* left = TreeFind(root->left,x);
	if (left)
	{
		return left;
	}
	Tree* right = TreeFind(root->right,x);
	if (right)//思考，这里为什么要加这个if条件
	{
		return right;
	}

	return NULL;
}

在这里插入图片描述

思考：至于为什么要加上if，防止空指针也被返回，如果没有if可能会提前返回出问题。
就是左子树返回后，会直接返回到上一级函数，没有机会执行右子树了。
在这里插入图片描述

拓展练习题：单值二叉树
LINK
在这里插入图片描述

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     struct TreeNode *left;
 *     struct TreeNode *right;
 * };
 */
bool isUnivalTree(struct TreeNode* root) {
    if(root == NULL)//如果走到空结点，直接返回true
    {
        return true;
    }

    if(root->left && root->val!=root->left->val)
    {
        return false;
    }
    if(root->right && root->val!=root->right->val)
    {
        return false;
    }

    return isUnivalTree(root->left) && isUnivalTree(root->right);
}

拓展练习题2：对称二叉树LINK
在这里插入图片描述

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     struct TreeNode *left;
 *     struct TreeNode *right;
 * };
 */
 bool _isSymme(struct TreeNode* q,struct TreeNode* p)
 {
    if(q == NULL && p == NULL)
    {
        return true;
    }

    if(q == NULL || p == NULL)
    {
        return false;
    }

    if(q->val != p->val)
    {
        return false;
    }

    return _isSymme(q->left,p->right) && _isSymme(q->right,p->left);
 }

bool isSymmetric(struct TreeNode* root) {
    return _isSymme(root,root);
}

拓展练习题：另一颗树的子树LINK
在这里插入图片描述

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     struct TreeNode *left;
 *     struct TreeNode *right;
 * };
 */

bool isSameTree(struct TreeNode* root, struct TreeNode* subRoot) {
    if(root == NULL && subRoot == NULL)
    {
        return true;
    }

    if(root == NULL || subRoot == NULL)
    {
        return false;
    }

    if(root->val != subRoot->val)
    {
        return false;
    }

    return isSameTree(root->left,subRoot->left) && isSameTree(root->right,subRoot->right);
}

bool isSubtree(struct TreeNode* root, struct TreeNode* subRoot) {
    if (root == NULL) {
        return false;
    }

    if (root->val == subRoot->val) {
        if(isSameTree(root, subRoot) == true)//思考：这里if的意义在哪里？
        {
            return true;
        }
    }

    return isSubtree(root->left,subRoot) || isSubtree(root->right,subRoot);
}

思考：上面if返回的意义在于，要把整个树的每一个结点都比较一遍，防止特殊情况出现。
比如：在这里插入图片描述

5.树的构建接口

Tree* TreeCreat(char* a, int* pi)
{
	if (a[*pi] == '#')
	{
		(*pi)++;
		return NULL;
	}

	Tree* root = (Tree*)malloc(sizeof(Tree));
	if (root == NULL)
	{
		perror("malloc fail");
		exit(-1);
	}

	root->val = a[(*pi)++];
	root->left = TreeCreat(a, pi);
	root->right = TreeCreat(a, pi);

	return root;
}

test_TreeCreat()
{
	char* a = "abc##de#g##f###";
	int i = 0;
	Tree* root = TreeCreat(a, &i);
	PreOrder(root);
}

int main()
{
	//test_heap();
	//test_TopK();
	//test_HeapSort();
	//test_GenBTree();
	test_TreeCreat();
	return 0;
}

在这里插入图片描述

6.层序遍历接口

本质上是广度优先遍历
思路：

void TreeLevelOrder(Tree* root)
{
	Queue q;
	QueueInit(&q);
	if (root != NULL)
	{
		QueuePush(&q,root);
	}

	while (!QueueEmpty(&q))
	{
		Tree* front = QueueFront(&q);
		QueuePop(&q);
		printf("%d ", front->val);

		if (root->left != NULL)
		{
			QueuePush(&q, root->left);
		}
		if (root->right != NULL)
		{
			QueuePush(&q, root->right);
		}
	}

	printf("\n");
	QueueDestroy(&q);
}

7.树的销毁

oid TreeDestroy(Tree* root)
{
	if (root == NULL)
	{
		return;
	}

	TreeDestroy(root->left);
	TreeDestroy(root->right);
	free(root);
}

在这里插入图片描述

待续。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/494744.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

springboot使用com.github.binarywang 包实现微信网页上的支付和退款

springboot使用com.github.binarywang 包实现微信网页上的支付和退款

前提 微信小程序中实现微信支付是从小程序中调去微信支付的界面直接进行支付&#xff0c;那么在pc端需要实现微信的支付呢&#xff0c;是需要出现一个二维码让用户使用扫码支付的。 注意&#xff1a; 需要实现pc端的微信支付&#xff0c;需要在微信商户平台开通native支付&…
阅读更多...
CUDA版本支持的pytorch版本

CUDA版本支持的pytorch版本

PyTorch 1.0.x - 支持 CUDA 7.5 PyTorch 1.1.x - 支持 CUDA 8.0 PyTorch 1.2.x - 支持 CUDA 9.0 PyTorch 1.3.x - 支持 CUDA 9.2 PyTorch 1.4.x - 支持 CUDA 10.1 PyTorch 1.5.x - 支持 CUDA 10.2 PyTorch 1.6.x - 支持 CUDA 11.0 PyTorch 1.7.x - 支持 CUDA 11.0/11.1 PyTorch…
阅读更多...
QtCreator调试时无法显示std::string的内容

QtCreator调试时无法显示std::string的内容

在银河麒麟V10或Ubuntu下使用QtCreator调试代码时&#xff0c;std::string类型变量在大多数情况下不显示实际内容&#xff0c;而是显示"<无法访问>"字样&#xff0c;鼠标点击进去也是看不见任何有用信息&#xff0c;这样非常影响调试效率&#xff0c;为此&…
阅读更多...
Android-Handler详解_使用篇

Android-Handler详解_使用篇

本文我将从Handler是什么、有什么、怎们用、啥原理&#xff0c;四个方面去分析。才疏学浅&#xff0c;如有错误&#xff0c;欢迎指正&#xff0c;多谢。 1.是什么 因为Android系统不允许在子线程访问UI组件&#xff0c;否则就会抛出异常。所以咱们平实用的最多的可能是在子线…
阅读更多...
国际伦敦金行情分析中的趋势分析方法

国际伦敦金行情分析中的趋势分析方法

国际伦敦金行情走势复杂多变。近期&#xff0c;金价曾经一度刷新历史的新高点至2222&#xff0c;但就在当天&#xff0c;金价又快速下跌跌超过30美元。不过这么多变的伦敦金行情也为我们的交易创造了空间&#xff0c;有空间就等于有机会&#xff0c;只要我们能够掌握国际伦敦金…
阅读更多...
AWS SES发送邮件时常见的错误及解决方法？

AWS SES发送邮件时常见的错误及解决方法？

AWS SES发送邮件如何做配置&#xff1f;使用AWS SES发信的限制&#xff1f; 在使用AWS SES发送邮件时&#xff0c;可能会遇到一些常见的错误。AokSend将介绍一些常见的AWS SES发送邮件错误及其相应的解决方法&#xff0c;帮助用户更好地利用AWS SES进行邮件发送。 AWS SES发送…
阅读更多...
在 Windows 11 上安装 MongoDB

在 Windows 11 上安装 MongoDB

MongoDB 是一个流行的 NoSQL 数据库&#xff0c;它提供了灵活的数据存储方案&#xff0c;而 MongoDB Compass 则是一个可视化管理工具&#xff0c;可以更轻松地与 MongoDB 数据库交互和管理。在本文中&#xff0c;我们将介绍如何在 Windows 11 上安装 MongoDB&#xff0c;并配置…
阅读更多...
手机短信验证码自动转发到服务器

手机短信验证码自动转发到服务器

今天写一个自动化处理程序&#xff0c;需要验证码登录&#xff0c;怎么样把手机收到的短信自动转发到服务器接口呢&#xff1f; 利用ios手机快捷指令的功能 打开快捷指令点击中间自动化点击右上角号选择信息信息包含选取&#xff0c;输入验证码选择立即执行点击下一步按下图配…
阅读更多...
JavaWeb解压缩漏洞之ZipSlip与Zip炸弹

JavaWeb解压缩漏洞之ZipSlip与Zip炸弹

前言 前面一篇博文《Android Zip解压缩目录穿越导致文件覆盖漏洞》介绍过 Android 系统 Zip 文件解压缩场景下的目录穿越漏洞&#xff0c;近期在学习 JavaWeb 代码审计的时候从 github 看到《OpenHarmony-Java-secure-coding-guide.md》中“从 ZipInputStream 中解压文件必须进…
阅读更多...
搭建机器人产业发展重要展示平台“2024南京国际机器人展览会”

搭建机器人产业发展重要展示平台“2024南京国际机器人展览会”

2024南京国际智能机器人展览会 2024 Nanjing Intelligent Robot Expo 时间:2024年11月22-24日 地点:南京国际博览中心 南京&#xff0c;这座历史悠久的文化名城&#xff0c;如今正站在机器人产业发展的前沿。随着全球科技的飞速进步&#xff0c;机器人产业已经成为推动经济社…
阅读更多...
记一次由gzip引起的nginx转发事故

记一次由gzip引起的nginx转发事故

故事背景 书接前几篇文章&#xff0c;仍然是交付甲方遇到的一个特殊诉求&#xff0c;从而引发了本期的事故。甲方的诉求是前端的请求过来&#xff0c;需要加密&#xff0c;但是要经过waf&#xff0c;必须要求是请求明文&#xff0c;那就要在waf和nginx之间做一个解密前置应用处…
阅读更多...
网络链路层之(2)PPP协议

网络链路层之(2)PPP协议

网络链路层之(2)PPP协议 Author: Once Day Date: 2024年3月27日 一位热衷于Linux学习和开发的菜鸟&#xff0c;试图谱写一场冒险之旅&#xff0c;也许终点只是一场白日梦… 漫漫长路&#xff0c;有人对你微笑过嘛… 全系列文章可参考专栏: 通信网络技术_Once-Day的博客-CSDN…
阅读更多...
pt-archiver的实践分享，及为何要用 ob-archiver 归档数据的探讨

pt-archiver的实践分享，及为何要用 ob-archiver 归档数据的探讨

作者简介&#xff1a;肖杨&#xff0c;软件开发工程师 在数据密集型业务场景中&#xff0c;数据管理策略是否有效至关重要&#xff0c;它直接关系到系统性能与存储效率的提升。数据归档作为该策略的关键环节&#xff0c;不仅有助于优化数据库性能&#xff0c;还能有效降低存储成…
阅读更多...
(一)基于IDEA的JAVA基础9

(一)基于IDEA的JAVA基础9

循环结构及特点 while循环 do while循环 for 循环 特点:有循环条件 循环起始值 循环自增量(每次自增的量) 循环操作 while循环 语法: 初始部分//定义变量的地方&#xff0c;声明变量 while(循环条件){ 循环操作&#xff1b; 迭代部分&#xff1b; } 流程图: 练习:打…
阅读更多...
Rust编程（三）生命周期与异常处理

Rust编程（三）生命周期与异常处理

生命周期 生命周期&#xff0c;简而言之就是引用的有效作用域。在大多数时候&#xff0c;我们无需手动的声明生命周期&#xff0c;因为编译器可以自动进行推导。生命周期的主要作用是避免悬垂引用&#xff0c;它会导致程序引用了本不该引用的数据&#xff1a; {let r;{let x …
阅读更多...
【办公类-21-11】 20240327三级育婴师 多个二级文件夹的docx合并成docx有页码，转PDF

【办公类-21-11】 20240327三级育婴师 多个二级文件夹的docx合并成docx有页码，转PDF

背景展示&#xff1a;有页码的操作题 背景需求&#xff1a; 实操课终于全部结束了&#xff0c;把考试内容&#xff08;docx&#xff09;都写好了 【办公类-21-10】三级育婴师 视频转文字docx&#xff08;等线小五单倍行距&#xff09;&#xff0c;批量改成“宋体小四、1.5倍行…
阅读更多...
2024 MCM数学建模美赛2024年A题复盘，思路与经验分享：资源可用性与性别比例 | 性别比例变化是否对生态系统中的其他生物如寄生虫提供优势（五）

2024 MCM数学建模美赛2024年A题复盘，思路与经验分享：资源可用性与性别比例 | 性别比例变化是否对生态系统中的其他生物如寄生虫提供优势（五）

审题 第四问让我们探究性别比例变化是否对生态系统中的其他生物如寄生虫提供优势。这里我们可以把问题简化一下&#xff0c;只探究性别比例会不会对寄生虫提供优势。因为考虑太多生物&#xff0c;会使模型更复杂&#xff0c;我这个水平处理不了这么复杂的问题&#xff0c;是我…
阅读更多...
整数在内存里面的存储

整数在内存里面的存储

整数在内存里面的存储 整数在计算机里面的存储是按照二进制的方式进行存储 显示的时候是按照16进制的方法进行显示 1. 整数在内存中的存储在讲解操作符的时候&#xff0c;我们就讲过了下⾯的内容&#xff1a;整数的2进制表⽰⽅法有三种&#xff0c;即原码、反码和补码 三种…
阅读更多...
案例研究｜DataEase实现物业数据可视化管理与决策支持

案例研究｜DataEase实现物业数据可视化管理与决策支持

河北隆泰物业服务有限责任公司&#xff08;以下简称为“隆泰物业”&#xff09;创建于2002年&#xff0c;总部设在河北省高碑店市&#xff0c;具有国家一级物业管理企业资质&#xff0c;通过了质量体系、环境管理体系、职业健康安全管理体系等认证。自2016年至今&#xff0c;隆…
阅读更多...
FIM配置

FIM配置

FIM&#xff08;功能抑制管理器&#xff09; FIM模块根据DTC状态来确定对应功能是否要禁止 FiM_GetFunctionPermission通过RTE提供给SWC FiMFIDs FiMInhibitionConfigurations FiMInhFunctionIdRef&#xff1a;关联FIMID FiMInhInhibitionMask: FIM_LAST_FAILED Inh Event…
阅读更多...
最新文章

Copyright @ 2022~2023