当前位置： 首页 > article >正文

数据结构（初阶）（七）----树和二叉树（堆，堆排序）

article 2025/3/3 22:25:18

八，树与二叉树

树

概念与结构

树是⼀种⾮线性的数据结构，它是由 n（n>=0） 个有限结点组成⼀个具有层次关系的集合。把它叫做树是因为它看起来像⼀棵倒挂的树，也就是说它是根朝上，⽽叶朝下的。

• 有⼀个特殊的结点，称为根结点，根结点没有前驱结点。

• 除根结点外，其余结点被分成 M(M>0) 个互不相交的集合 T1、T2、……、Tm ，其中每⼀个集合Ti(1 <= i <= m) ⼜是⼀棵结构与树类似的⼦树。每棵⼦树的根结点有且只有⼀个前驱，可以有 0 个或多个后继。因此，树是递归定义的。

树形结构中，⼦树之间不能有交集，否则就不是树形结构

⼦树是不相交的（如果存在相交就是图了）

除了根结点外，每个结点有且仅有⼀个⽗结点

⼀棵N个结点的树有N-1条边

树的相关术语

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

⽗结点/双亲结点：若⼀个结点含有⼦结点，则这个结点称为其⼦结点的⽗结点； 如上图：A是B的⽗结点

⼦结点/孩⼦结点：⼀个结点含有的⼦树的根结点称为该结点的⼦结点； 如上图：B是A的孩⼦结点

结点的度：⼀个结点有⼏个孩⼦，他的度就是多少；⽐如A的度为6，F的度为2，K的度为0

树的度：⼀棵树中，最⼤的结点的度称为树的度； 如上图：树的度为 6

叶⼦结点/终端结点：度为 0 的结点称为叶结点； 如上图： B、C、H、I… 等结点为叶结点

分⽀结点/⾮终端结点：度不为 0 的结点； 如上图： D、E、F、G… 等结点为分⽀结点

兄弟结点：具有相同⽗结点的结点互称为兄弟结点(亲兄弟)； 如上图： B、C 是兄弟结点

结点的层次：从根开始定义起，根为第 1 层，根的⼦结点为第 2 层，以此类推；

树的⾼度或深度：树中结点的最⼤层次； 如上图：树的⾼度为 4

结点的祖先：从根到该结点所经分⽀上的所有结点；如上图： A 是所有结点的祖先

路径：⼀条从树中任意节点出发，沿⽗节点-⼦节点连接，达到任意节点的序列；⽐如A到Q的路径为：A-E-J-Q；H到Q的路径H-D-A-E-J-Q

⼦孙：以某结点为根的⼦树中任⼀结点都称为该结点的⼦孙。如上图：所有结点都是A的⼦孙

森林：由 m（m>0） 棵互不相交的树的集合称为森林；

树的表示

树有很多种表⽰⽅式如：双亲表⽰法，孩⼦表⽰法、孩⼦双亲表⽰法以及孩⼦兄弟表⽰法等。我们这⾥就简单的了解其中最常⽤的孩⼦兄弟表⽰法

struct TreeNode 
{ 
	struct TreeNode* child; // 左边开始的第⼀个孩⼦结点 
	struct TreeNode* brother; // 指向其右边的下⼀个兄弟结点 
	int data; // 结点中的数据域 
};

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

二叉树

概念与结构

在树形结构中，我们最常⽤的就是⼆叉树，⼀棵⼆叉树是结点的⼀个有限集合，该集合由⼀个根结点 加上两棵别称为左⼦树和右⼦树的⼆叉树组成或者为空。

⼆叉树具备以下特点：

1，⼆叉树不存在度⼤于 2 的结点

2，⼆叉树的⼦树有左右之分，次序不能颠倒，因此⼆叉树是有序树

注意：对于任意的⼆叉树都是由以下⼏种情况复合⽽成的

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

满⼆叉树

⼀个⼆叉树，如果每⼀个层的结点数都达到最⼤值，则这个⼆叉树就是满⼆叉树。也就是说，如果⼀个⼆叉树的层数为 K ，且结点总数是 2k − 1 ，则它就是满⼆叉树。

完全⼆叉树

完全⼆叉树是效率很⾼的数据结构，完全⼆叉树是由满⼆叉树⽽引出来的。对于深度为 K 的，有 n 个

结点的⼆叉树，当且仅当其每⼀个结点都与深度为K的满⼆叉树中编号从 1 ⾄ n 的结点⼀⼀对应时称之为完全⼆叉树。要注意的是满⼆叉树是⼀种特殊的完全⼆叉树。

⼆叉树性质

根据满⼆叉树的特点可知：

1）若规定根结点的层数为 1 ，则⼀棵⾮空⼆叉树的第i层上最多有 2i−1 个结点

2）若规定根结点的层数为 1 ，则深度为 h 的⼆叉树的最⼤结点数是 2h − 1

3）若规定根结点的层数为 1 ，具有 n 个结点的满⼆叉树的深度 h = log2 (n + 1) ( log

以2为底， n+1 为对数)

⼆叉树存储结构

顺序结构
链式结构

实现顺序结构的二叉树

⼀般堆使⽤顺序结构的数组来存储数据，堆是⼀种特殊的⼆叉树，具有⼆叉树的特性的同时，还具备其他的特性。

堆

小堆（小根堆）：堆顶是堆里最小的数据

大堆（小根堆）：堆顶是堆里最大的数据

堆的性质

堆中某个结点的值总是不⼤于或不⼩于其⽗结点的值；

堆总是⼀棵完全⼆叉树。

⼆叉树性质

对于具有 n 个结点的完全⼆叉树，如果按照从上⾄下从左⾄右的数组顺序对所有结点从

0开始编号，则对于序号为 i 的结点有：

1，若 i>0 ， i 位置结点的双亲序号： (i-1)/2 ； i=0 ， i 为根结点编号，⽆双亲结点

2，若 2i+1<n ，左孩⼦序号： 2i+1 ， 2i+1>=n 否则⽆左孩⼦

3，若 2i+2<n ，右孩⼦序号： 2i+2 ， 2i+2>=n 否则⽆右孩⼦

堆的实现

堆底层结构为数组

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

//堆的结构
typedef int HPDataType;
typedef struct Heap
{
	HPDataType* arr;
	int size;		//有效数据个数
	int capacity;	//空间大小
}HP;
//初始化
void HPInit(HP* php);
//销毁
void HPDestory(HP* php);
//打印
void HPPrint(HP* php);
//入堆
void HPPush(HP* php, HPDataType x);
//判断堆是否为空
bool HPEmpty(HP* php);
//向下调整
void AdjustDowm(HPDataType* arr, int parent, int n);
//出堆
void HPPop(HP* php);
//取堆顶元素
HPDataType* HPTop(HP* php);
实现Heap.c
#define _CRT_SECURE_NO_WARNINGS
#include"Heap.h"

//初始化
void HPInit(HP* php)
{
	assert(php);
	php->arr = NULL;
	php->size = php->capacity = 0;
}

//销毁
void HPDestory(HP* php)
{
	assert(php);
	if (php->arr)
		free(php->arr);
	php->arr = NULL;
	php->size = php->capacity = 0;
}

//打印
void HPPrint(HP* php)
{
	assert(php);
	for (int i = 0; i < php->size; i++)
	{
		printf("%d ", php->arr[i]);
	}
	printf("\n");
}

//交换
void Swap(int* x, int* y)
{
	int tmp = *x;
	*x = *y;
	*y = tmp;
}

//调整
void AdjustUp(HPDataType* arr,int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		//控制小堆，大堆
		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

//入堆
void HPPush(HP* php, HPDataType x)
{
	assert(php);
	//判断空间
	if (php->size == php->capacity)
	{
		int newcapacity = php->capacity == 0 ? 4 : 2 * php->capacity;
		HPDataType* tmp = (HPDataType*)realloc(php->arr,sizeof(HPDataType) * newcapacity);
		if (tmp == NULL)
		{
			perror("HPPush()::realloc fail");
			exit(1);
		}
		php->arr = tmp;
		php->capacity = newcapacity;
	}
	//插入
	php->arr[php->size] = x;
	//调整，向上调整
	AdjustUp(php->arr,php->size - 1);
	++php->size;
}

//判断堆是否为空
bool HPEmpty(HP* php)
{
	assert(php);
	return php->size == 0;
}

//向下调整
void AdjustDowm(HPDataType* arr,int parent,int n)
{
	int child = 2 * parent + 1;
	while (child < n)
	{
		//控制大堆，小堆
		//保证右孩子同样不越界
		if (child + 1 < n && arr[child] < arr[child + 1])
		{
			child++;
		}
		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);
			parent = child;
			child = 2 * parent + 1;
		}
		else
		{
			break;
		}
	}

}

//出堆
//出的是堆顶元素
//1，堆顶元素与最后一个（size-1）元素交换
//2，调整，向下调整，假设成大堆，比较左右孩子，较大的与父结点比较。
void HPPop(HP* php)
{
	//首先堆不能为空
	assert(!HPEmpty(php));
	//先交换
	Swap(&php->arr[0], &php->arr[php->size - 1]);
	--php->size;
	//调整
	AdjustDowm(php->arr,0,php->size);
}

//取堆顶元素
HPDataType* HPTop(HP* php)
{
	assert(!HPEmpty(php));
	return php->arr[0];
}
测试文件test.c
#define _CRT_SECURE_NO_WARNINGS
#include"Heap.h"

void test()
{
	HP hp;
	HPInit(&hp);
	HPPush(&hp, 15);
	HPPush(&hp, 10);
	HPPush(&hp, 56);
	HPPush(&hp, 70);
	HPPush(&hp, 45);
	HPPrint(&hp);

	//HPPop(&hp);
	//HPPop(&hp);
	//HPPop(&hp);
	//HPPrint(&hp);

	while (!HPEmpty(&hp))
	{
		int top = HPTop(&hp);
		printf("%d ", top);
		HPPop(&hp);
	}
	HPDestory(&hp);
}

int main()
{
	test();
	return 0;
}

堆排序

//交换
void Swap(int* x, int* y)
{
	int tmp = *x;
	*x = *y;
	*y = tmp;
}

//向上调整
void AdjustUp(HPDataType* arr,int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		//控制小堆<，大堆>
		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

//向下调整
void AdjustDowm(int* arr,int parent,int n)
{
	int child = 2 * parent + 1;
	while (child < n)
	{
		//控制大堆<，小堆>
		//保证右孩子同样不越界
		if (child + 1 < n && arr[child] > arr[child + 1])
		{
			child++;
		}
		//大堆>，小堆<
		if (arr[child] < arr[parent])
		{
			Swap(&arr[child], &arr[parent]);
			parent = child;
			child = 2 * parent + 1;
		}
		else
		{
			break;
		}
	}

}

//堆排序(借助堆的思想实现)
void HPSort2(int* arr, int n)
{
	建堆,向下调整,升序大堆，降序小堆
	//assert(arr);
	//for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	//{
	//	AdjustDowm(arr, i, n);
	//}
	
	 建堆,向上调整
	assert(arr);
	for (int i = 0; i < n; i++)
	{
		AdjustUp(arr, i);
	}
    
	//堆排序
	int end = n - 1;
	while (end > 0)
	{
		Swap(&arr[0],&arr[end]);
		AdjustDowm(arr, 0, end);
		end--;
	}
}

int main()
{
	test();
	int arr[] = { 2,3,5,1,9,7,5,8,6,0 };
	int n = sizeof(arr) / sizeof(arr[0]);
	
	for (int i = 0; i < n; i++)
	{
		printf("%d ", arr[i]);
	}
	printf("\n");

	HPSort2(&arr, n);
	for (int i = 0; i < n; i++)
	{
		printf("%d ", arr[i]);
	}
	printf("\n");

	return 0;
}

我们可以发现建堆时，使用向上（向下）调整算法都可以，那么哪种更好一点呢？

从时间复杂度来进行比较，向上调整算法建堆的时间复杂度为O(n ∗ log2 n) ，向下调整算法建堆的时间复杂度为O(n)，所以一般使用向下调整算法建堆

下面是分析过程：

向上调整算法建堆时间复杂度
向下调整算法建堆时间复杂度
TOP-K问题

n >> k


http://www.kler.cn/a/569314.html

相关文章：

  • 【3天快速入门WPF】13-MVVM进阶
  • LeetCode 二分章节 （持续更新中）
  • 代码随想录算法训练营第三十天 | 卡码网46.携带研究材料（二维解法）、卡码网46.携带研究材料（滚动数组）、LeetCode416.分割等和子集
  • 探索AIGC的核心原理与应用前景
  • 【开源免费】基于SpringBoot+Vue.JS酒店管理系统（JAVA毕业设计）
  • 攻防世界WEB（新手模式）17-fileclude
  • 大语言模型中的 Token：它们是什么，如何工作？
  • Storm实时流式计算系统（全解）——下
  • 【C#】合理使用DeepSeek相关AI应用为我们提供强有力的开发工具，在.net core 6.0框架下使用JsonNode动态解析json字符串，如何正确使用单问号和双问号做好空值处理
  • 2025国家护网HVV高频面试题总结来了02（题目+回答）
  • 数据集笔记：新加坡停车费
  • Java8面试
  • 记录一次FastDFS内部文件迁移过程
  • 【网络安全 | 扫描子域+发现真实IP】CloakQuest3r安装使用详细教程
  • Apifox 2月更新｜调试 AI 接口时展示思考过程，团队内支持共享数据库连接
  • ES from size聚合查询10000聚合查询，是每个分片先聚合，再统计。还是所有节点查询1万条后，再聚合
  • Ubuntu下QT安装和调试的常见问题(二)__cannot__find__IGL
  • Redis速成（1）VMware虚拟机安装Redis+Session验证登录注册+MybatisPlus
  • Android Framework startServices 流程
  • 对seacmsv9进行sql注入，orderby，过滤information_schema