对于二叉查找树的每个节点Node,它的左子树中所有的关键字都小于Node的关键字,而右子树中的所有关键字都大于Node的关键字。

二叉查找树的平均深度是O(log N)。

1.初始化

class BinarySearchTree(object):
def __init__(self,key):
self.key=key
self.left=None
self.right=None

2.Find

    def find(self,x):
if x==self.key:
return self
elif x<self.key and self.left:
return self.left.find(x)
elif x>self.key and self.right:
return self.right.find(x)
else:
return None

3.FindMin和FindMax

分别返回树中的最小元素与最大元素的位置。FindMin,从根开始并且只要有左儿子就向左进行查找,终止点是最小元素。FindMax则向右进行。

    def findMin(self):
if self.left:
return self.left.findMin()
else:
return self
def findMax(self):
tree=self
if tree:
while tree.right:
tree=tree.right
return tree

4.Insert

为了将x插入到树Tree中,先用find查找,如果找到x,则什么也不做。否则,将x插入到遍历路径的最后一点。

来自《Problem Solving with Algorithms and Data Structures》的图片:

    def insert(self,x):
if x<self.key:
if self.left:
self.left.insert(x)
else:
tree=BinarySearchTree(x)
self.left=tree
elif x>self.key:
if self.right:
self.right.insert(x)
else:
tree=BinarySearchTree(x)
self.right=tree

5.Delete

删除某节点有3种情况:

5.1 如果节点是一片树叶,那么可以立即被删除。

来自《Problem Solving with Algorithms and Data Structures》的图片:

5.2 如果节点只有一个儿子,则将此节点parent的指针指向此节点的儿子,然后删除。

来自《Problem Solving with Algorithms and Data Structures》的图片:

5.3 如果节点有两个儿子,则将其右子树的最小数据代替此节点的数据,并将其右子树的最小数据(不可能有左儿子,只有一个右儿子)删除。

来自《Problem Solving with Algorithms and Data Structures》的图片:

    def delete(self,x):
if self.find(x):
if x<self.key:
self.left=self.left.delete(x)
return self
elif x>self.key:
self.right=self.right.delete(x)
return self
elif self.left and self.right:
key=self.right.findMin().key
self.key=key
self.right=self.right.delete(key)
return self
else:
if self.left:
return self.left
else:
return self.right
else:
return self

全部代码

class BinarySearchTree(object):
def __init__(self,key):
self.key=key
self.left=None
self.right=None
def find(self,x):
if x==self.key:
return self
elif x<self.key and self.left:
return self.left.find(x)
elif x>self.key and self.right:
return self.right.find(x)
else:
return None
def findMin(self):
if self.left:
return self.left.findMin()
else:
return self
def findMax(self):
tree=self
if tree:
while tree.right:
tree=tree.right
return tree
def insert(self,x):
if x<self.key:
if self.left:
self.left.insert(x)
else:
tree=BinarySearchTree(x)
self.left=tree
elif x>self.key:
if self.right:
self.right.insert(x)
else:
tree=BinarySearchTree(x)
self.right=tree
def delete(self,x):
if self.find(x):
if x<self.key:
self.left=self.left.delete(x)
return self
elif x>self.key:
self.right=self.right.delete(x)
return self
elif self.left and self.right:
key=self.right.findMin().key
self.key=key
self.right=self.right.delete(key)
return self
else:
if self.left:
return self.left
else:
return self.right
else:
return self

上述写法的缺点是很难处理空树的情况。

另一种类似于链表的写法

class TreeNode(object):
def __init__(self,key,left=None,right=None,parent=None):
self.key=key
self.left=left
self.right=right
self.parent=parent
def hasLeftChild(self):
return self.left
def hasRightChild(self):
return self.right
def isLeftChild(self):
return self.parent and self.parent.left==self
def isRightChild(self):
return self.parent and self.parent.right==self
class BSTree(object):
def __init__(self):
self.root=None
self.size=0
def length(self):
return self.size
def insert(self,x):
node=TreeNode(x)
if not self.root:
self.root=node
self.size+=1
else:
currentNode=self.root
while True:
if x<currentNode.key:
if currentNode.left:
currentNode=currentNode.left
else:
currentNode.left=node
node.parent=currentNode
self.size+=1
break
elif x>currentNode.key:
if currentNode.right:
currentNode=currentNode.right
else:
currentNode.right=node
node.parent=currentNode
self.size+=1
break
else:
break def find(self,key):
if self.root:
res=self._find(key,self.root)
if res:
return res
else:
return None
else:
return None
def _find(self,key,node):
if not node:
return None
elif node.key==key:
return node
elif key<node.key:
return self._find(key,node.left)
else:
return self._find(key,node.right)
def findMin(self):
if self.root:
current=self.root
while current.left:
current=current.left
return current
else:
return None
def _findMin(self,node):
if node:
current=node
while current.left:
current=current.left
return current
def findMax(self):
if self.root:
current=self.root
while current.right:
current=current.right
return current
else:
return None
def delete(self,key):
if self.size>1:
nodeToRemove=self.find(key)
if nodeToRemove:
self.remove(nodeToRemove)
self.size-=1
else:
raise KeyError,'Error, key not in tree'
elif self.size==1 and self.root.key==key:
self.root=None
self.size-=1
else:
raise KeyError('Error, key not in tree')
def remove(self,node):
if not node.left and not node.right: #node为树叶
if node==node.parent.left:
node.parent.left=None
else:
node.parent.right=None elif node.left and node.right: #有两个儿子
minNode=self._findMin(node.right)
node.key=minNode.key
self.remove(minNode) else: #有一个儿子
if node.hasLeftChild():
if node.isLeftChild():
node.left.parent=node.parent
node.parent.left=node.left
elif node.isRightChild():
node.left.parent=node.parent
node.parent.right=node.left
else: #node为根
self.root=node.left
node.left.parent=None
node.left=None
else:
if node.isLeftChild():
node.right.parent=node.parent
node.parent.left=node.right
elif node.isRightChild():
node.right.parent=node.parent
node.parent.right=node.right
else: #node为根
self.root=node.right
node.right.parent=None
node.right=None

  

 

Python数据结构————二叉查找树的实现的更多相关文章

  1. python数据结构树和二叉树简介

    一.树的定义 树形结构是一类重要的非线性结构.树形结构是结点之间有分支,并具有层次关系的结构.它非常类似于自然界中的树.树的递归定义:树(Tree)是n(n≥0)个结点的有限集T,T为空时称为空树,否 ...

  2. python数据结构与算法

    最近忙着准备各种笔试的东西,主要看什么数据结构啊,算法啦,balahbalah啊,以前一直就没看过这些,就挑了本简单的<啊哈算法>入门,不过里面的数据结构和算法都是用C语言写的,而自己对p ...

  3. python数据结构与算法——链表

    具体的数据结构可以参考下面的这两篇博客: python 数据结构之单链表的实现: http://www.cnblogs.com/yupeng/p/3413763.html python 数据结构之双向 ...

  4. python数据结构之图的实现

    python数据结构之图的实现,官方有一篇文章介绍,http://www.python.org/doc/essays/graphs.html 下面简要的介绍下: 比如有这么一张图: A -> B ...

  5. Python数据结构与算法--List和Dictionaries

    Lists 当实现 list 的数据结构的时候Python 的设计者有很多的选择. 每一个选择都有可能影响着 list 操作执行的快慢. 当然他们也试图优化一些不常见的操作. 但是当权衡的时候,它们还 ...

  6. Python数据结构与算法--算法分析

    在计算机科学中,算法分析(Analysis of algorithm)是分析执行一个给定算法需要消耗的计算资源数量(例如计算时间,存储器使用等)的过程.算法的效率或复杂度在理论上表示为一个函数.其定义 ...

  7. Python数据结构与循环语句

    # Python数据结构与循环语句:   首先编程是一项技能,类似跑步,期初不必在意细节,能使用起来就行,等学的游刃有余了再回过头来关注细节问题也不迟.  关于买书: 学会python之后,才需要买书 ...

  8. python数据结构之栈与队列

    python数据结构之栈与队列 用list实现堆栈stack 堆栈:后进先出 如何进?用append 如何出?用pop() >>> >>> stack = [3, ...

  9. python数据结构之树和二叉树(先序遍历、中序遍历和后序遍历)

    python数据结构之树和二叉树(先序遍历.中序遍历和后序遍历) 树 树是\(n\)(\(n\ge 0\))个结点的有限集.在任意一棵非空树中,有且只有一个根结点. 二叉树是有限个元素的集合,该集合或 ...

随机推荐

  1. android开发之路07(无硝烟的战争)

    如何做一名优秀的android面试官? 如何做一名优秀的android候选者? 提到这个问题我不得不提起我们小升初,初升高,高生升本这几个历程中我们与出题人之间的无硝烟的战争.我们总是为自己的成绩担心 ...

  2. Node.js连接Mysql

    1.安装 npm install mysql 注意要复制node_modules到当前工程的文件夹中 2.基本连接 /** * Created by Administrator on 13-12-25 ...

  3. jfreechart的使用案例

    一:下载需要的2个jar文件 jcommon-版本号.jar,jfreechart-版本号.jar,注意版本不要太高. 实例一:比较简单的application版本的饼图 /** * */ packa ...

  4. hdu 4605 线段树与二叉树遍历

    思路: 首先将所有的查询有一个vector保存起来.我们从1号点开始dfs这颗二叉树,用线段树记录到当前节点时,走左节点的有多少比要查询该节点的X值小的,有多少大的, 同样要记录走右节点的有多少比X小 ...

  5. Android Fragment 实例

    Fragment是Android honeycomb 3.0新增的概念,在Android——Fragment介绍.Android Fragment使用.Android FragmentManage F ...

  6. 网络编辑器插件ckeditor+ckfinder配置

    原帖地址 另外一个 去掉编辑器的下边栏 在config.js中加入: config.removePlugins = 'elementspath'; config.resize_enabled = fa ...

  7. PhotoShop—剪贴蒙版

    工作中发现剪贴蒙版方便好用,所以简单分享下~ 一.剪贴蒙版有什么作用 1.文字上色 2.裁剪图片 3.添加背景 等 二.剪贴蒙版怎么使用 1.新建层,打上字如图 2.文字上面再建层加上效果如渐变 3. ...

  8. css3 选择器记

    css3 选择器 根据所获取页面中元素的不同,把css3选择器分为五大类: 基本选择器 层次选择器 伪类选择器 动态伪类选择器 目标伪类选择器 语言伪类选择器 UI元素状态伪类选择器 结构伪类选择器 ...

  9. ActiveMQ(5.10.0) - Wildcards and composite destinations

    In this section we’ll look at two useful features of ActiveMQ: subscribing to multiple destinations ...

  10. 随机提取N条记录[多种数据库方法]

    随机提取10条记录的例子: Sql server: select top 10 * from 表 order by newid() Access: SELECT top 10 * FROM 表 ORD ...