什么是数据结构
javascript数组结构
常用数据结构
- 每一种都有其对应的应用场景，不同的数据结构的不同操作性能是不同的
- 有的查询性能很快，有的插入性能很快，有的是插入头和尾速度很快
- 有的范围查找很快，有的允许元素重复，有的不允许重复等等
- 根据实际开发具体需求来选择
注意：数据结构和语言无关系，常见的编程语言都有直接或间接的使用上述常见的数据结构
简单的使用不能让我们更加灵活的使用它们，了解真相，你才能获得真正的自由
算法认识algorithmalgorithm解决问题的办法/步骤逻辑
数据结构的实现，离不开算法
| 符号 | 名称 |
|---|---|
| O（1） | 常数的 |
| O（log（n）） | 对数的 |
| O（n） | 线性的 |
| O（nlog（n）） | 线性和对数乘积 |
| O（n二次方） | 平方 |
| O（2n次方） | 指数的 |
主要概念，数组的扩容 性能是比较低的，新建一个数组需要确认他的大小，比如现在定了一个长度4的数组，有一天添加到5，他需要新建一个长度5的数组，将原有的数组迁移到这个新数组，这个性能是非常低的
在数组前面插入或删除元素：元素位移，数组需要将里边一个一个元素进行往后移一位，这个性能是非常低的，但实际开发使用到的次数非常少
数据放到数组中之后，查找数组是靠index，O（1）这个是非常快的
栈结构- 栈也是一种非常常见的数据结构，并且在程序中的应用非常广泛
- 栈stack，它是一种受限的线性表 后进先出LIFO last in frist out
- 其限制是仅允许在 表的一端 进行插入和删除运算。这一端被称为 栈顶 ，相对地，另一端称为 栈底
- LIFO（last in first out）后进入的元素，第一个弹出栈空间，类似于自动餐托盘，最后的盘子，都是最先出的
- 向一个栈插入新元素称为 进栈、入栈、压栈，它新元素放在栈顶元素上面
- 从一个栈删除元素称为 出栈、退栈 它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元素
栈的操作
- push（element）添加一个新元素到栈顶位置
- pop 移除栈顶的元素，同时返回被移除的元素
- peek 返回栈顶的元素，不对栈做任何修改
- isEmpty 如果栈里没有任何元素就返回true，否则返回false
- size 返回栈里的元素个数，这个方法和数组的length属性很像
- toString 将栈结构的内容以字符形式返回
export class Stack {constructor(){// 栈中属性this.items=[]
}// - push（element）添加一个新元素到栈顶位置
push(element){this.items.push(element);
}// - pop 移除栈顶的元素，同时返回被移除的元素
pop(){ return this.items.pop();
}// - peek 返回栈顶的元素，不对栈做任何修改peek(){if(this.isEmpty())return null;return this.items[this.items.length-1];
}// - isEmpty 如果栈里没有任何元素就返回true，否则返回falseisEmpty(){return this.items.length === 0;
}// - size 返回栈里的元素个数，这个方法和数组的length属性很像size(){return this.items.length;
}// - toString 将栈结构的内容以字符形式返回}export function dec2binary(number){// 创建stackconst stack = new Stack();// 循环取余数while(number>0){let remainder = number%2;
number=Math.floor(number /2)
stack.push(remainder);
}// 拼接字符串let binString = "";while(!stack.isEmpty()){
binString+=stack.pop()
}return binString;
}复制代码队列 Queue- 队列，它是一种受限的线性表，先进先出FIFO first in first out
- 受限之处在于它只允许在表的前端进行删除操作
- 而在后端进行插入操作
- 队列常见操作
- enqueue（element）向队列尾部添加一个（或多个）新的项
- dequeue（）移除队列的第一项，并返回被移除的元素
- front（）返回队列中第一个元素，队列不做任何变动
- isEmpty（）判断队列是否有数据
- size（） 返回队列包含的元素个数，与数组的length属性类似
export class Queue {constructor(){this.items=[];
}// - enqueue（element）向队列尾部添加一个（或多个）新的项enqueue(element){this.items.push(element)
}// - dequeue（）移除队列的第一项，并返回被移除的元素dequeue(){return this.items.shift()
}// - front（）返回队列中第一个元素，队列不做任何变动front(){if(this.isEmpty())return null;return this.items[0]
}// - isEmpty（）判断队列是否有数据isEmpty(){return this.items.length===0;
}// - size（） 返回队列包含的元素个数，与数组的length属性类似size(){return this.items.length;
}
}class QueueElement{constructor(element,priority){this.element=element;this.priority=priority;
}
}export class PriorityQueue extends Queue{enqueue(element,priority){// 1. 创建QueueElement 对象const queueElement = new QueueElement(element,priority);// 2. 插入新的元素if(this.isEmpty()){this.items.push(queueElement);
}else{let added =falsefor(let i=0;i<this.items.length;i++){if(this.items[i].priority>queueElement.priority){this.items.splice(i,0,queueElement)
added=truebreak;
}
}if(!added){this.items.push(queueElement)
}
}
}
}export function passGame(nameList,num){// 1. 创建队列const queue = new Queue();for(let i =0;i<nameList.length;i++){
queue.enqueue(nameList[i])
}// 2。 循环让这些人进入队列中while(queue.size()>1){// for(let i=0;i<num-1;i++){
queue.enqueue(queue.dequeue())
}
queue.dequeue()
}return queue.front()
}复制代码链表链表和数组一样，可以用于储存一系列的元素，但是链表和数组的实现机制完全不同
链表的优势
要储存多个元素，另外一个选择就是链表
但不同于数组，链表中的元素在内存中不必是连续的空间
链表的每个元素由一个储存元素本身的节点和一个指向下一个元素的引用（指针/连接）组成
相对于数组，链表有一些优点
- 内存空间不是必须连续的，可以利用计算机的内存，实现灵活的内存动态管理
- 链表不必在创建时就确定大小，且大小可以无限延伸
- 链表在插入和删除数据时，时间复杂度可以达到O（1），相对于数组效率高很多
相对于数组，链表有一些缺点
- 链表访问任何一个位置的元素时，都需要从头开始访问（无法直接访问）
- 无法通过下标直接访问元素，需要从头一个一个访问，直到找到元素
什么是链表
类似火车，有一个火车头，火车头连接一个节点，节点上有乘客（数据（item，next）），且这个节点会连接下一个节点
列表常见操作
- append（element） 向列表尾部添加一个新的项
- insert（position，element）向列表的特定位置插入一个新的项
- get（position）获取对应位置的元素
- indexOf（element）返回元素在列表中的索引。如果列表中没有该元素返回-1
- update（position，element）修改某个位置的元素
- removeAt（position）从列表的特定位置移除一项
- remove（element）从列表中移除一项
- isEmpty（）判断是否为空
- size（） 返回链表包含的元素个数，与数组的length属性类似
- toString 由于列表项使用node类，就需要重写继承JavaScript对象默认的toString方法，让其输出数据的值
class Node { constructor(el) { // 保存元素this.element = el;// 指向下一个节点this.next = null;
}
}export class LinkedList{constructor(){this.head=null;this.length=0;
}// - append（element） 向列表尾部添加一个新的项append(el){// 根据elmeenet创建node对象const newNode =new Node(el);// 追加到最后if(!this.head){this.head=newNode;
}else{let current = this.head;while(current.next){
current=current.next;
}
current.next=newNode;
}this.length++;
}// - insert（position，element）向列表的特定位置插入一个新的项insert(position,el){//判断越界问题if(position<0||position>this.length)return false;// 根据elmeenet创建node对象const newNode =new Node(el);// 插入元素if(position===0){
newNode.next=this.head;this.head=newNode;
}else{let index=0;// 当前let current=this.head;// 上一个元素let pervious=null;while(index++<position){
pervious=current;
current=current.next;
}
pervious.next=newNode;
newNode.next=current;
}
this.length++;
return true;
}
// - get（position）获取对应位置的元素
get(position){
//判断越界问题
if(position<0||position>this.length-1)return null;
// 查询该位置的元素
let current=this.head;
let index=0
while(index++ <position){
current=current.next;
}
return current.element
}
// - indexOf（element）返回元素在列表中的索引。如果列表中没有该元素返回-1
indexOf(element){
let index=0;
let current =this.head;
while(current){
if(current.element === element){
return index;
}
index++;
current=current.next
}
return -1;
}
// - update（position，element）修改某个位置的元素
update(position,element){
// 1.删除position的元素
const result=this.removeAt(position)
// 2.插入
this.insert(element)
return result
}
// - removeAt（position）从列表的特定位置移除一项
removeAt(position){
// 1 判断越界问题
if(position<0||position>this.length-1)return null;
// 2 删除元素
let current =this.head;
// 3 上一个
let pervious=null;
let index =0;
if(position === 0){
this.head=current.next;
}else{
while(index++ <position){
pervious=current;
current=current.next;
}
pervious.next=current.next;
}
this.length--;
return current.element;
}
// - remove（element）从列表中移除一项
remove(element){
// 1.获取元素
const index=this.indexOf(element);
if(index=== -1)return;
// 2 删除该元素位置
this.removeAt(index)
}
// - isEmpty（）判断是否为空
isEmpty(){
return this.length===0
}
// - size（） 返回链表包含的元素个数，与数组的length属性类似
size(){
return this.length;
}
// - toString 由于列表项使用node类，就需要重写继承JavaScript对象默认的toString方法，让其输出数据的值
}复制代码// doublyLinkedListimport { LinkedList,Node } from "./linkedList";class DoublyNode extends Node{constructor(element){super(element);this.prev=null;
}
}export class doublyLinkedList extends LinkedList{constructor(){super();this.tail=null;
}// - append（element） 向列表尾部添加一个新的项append(element){// 1.创建元素const newNode = new DoublyNode(element);// 2.追加元素if(this.length===0 && this.head===null){this.head=newNode;this.tail=newNode;
}else{this.tail.next=newNode;
newNode.prev=this.tail;this.tail=newNode;
}this.length++;
}// - insert（position，element）向列表的特定位置插入一个新的项insert(position,element){// 1.判断越界if(position<0||position>this.length)return false;// 2.创建nodeconst newNode = new DoublyNode(element)// 3 判断插入多种情况if(position===0){if(this.head===null){this.head=newNodethis.tail=newNode
}else{// 原来有元素newNode.next=this.head;this.head.prev=newNode;this.head=newNode;
}
}else if(position===this.length){this.tail.next=newNode;
newNode.prev=this.tail;this.tail=newNode;
}else{// position 不等于0 和最大let index=0let current=this.head;let previous=null;while(index++ < position){
previous=current;
current=current.next;
}// 交换节点信息previous.next=newNode;
newNode.prev=previous;
newNode.next=current;
current.prev=newNode;
}this.length++;return true;
}// - get（position）获取对应位置的元素// - indexOf（element）返回元素在列表中的索引。如果列表中没有该元素返回-1// - update（position，element）修改某个位置的元素// - removeAt（position）从列表的特定位置移除一项removeAt(position){//if(position<0 || position===this.length-1)return null;// 不同情况let current=this.head;if(position===0){if(this.length===1){// 只有一个元素this.head=null;this.tail=null;
}else{this.head=this.head.next;this.head.prev=null;
}
}else if(position===this.length-1){
current=this.tail;this.tail.prev.next=null;this.tail=this.tail.prev;
}else{// 中间let index=0;let current=this.head;let previous=null;while(index++ <position){
previous=current;
current=current.next;
}
previous.next=current.next;
current.next.prev=previous;
}
return current.element;
}
// - remove（element）从列表中移除一项
// - isEmpty（）判断是否为空
// - size（） 返回链表包含的元素个数，与数组的length属性类似
// - toString 由于列表项使用node类，就需要重写继承JavaScript对象默认的toString方法，让其输出数据的值
}复制代码哈希hash只基于数组实现
- 优势
- 非常快速的插入删除查找操作
- 无论多少数据，插入和删除值需要接近常量的时间O（1）
- 哈希表的数据比树还要快，基本可以瞬间查找到想要元素
- 哈希比树的编码容易很多
- 缺点
- 哈希表的数据没有顺序的，不能以一种固定的方式（如 从小到大）来遍历其中的元素
- 通常，key是不允许重复的，不能放置相同key，用于保存不同的元素
- 哈希表到底是什么
- 这是一个不好理解的地方，不像数组、链表、树一样直接画出来就知道它的结构了
- 它的结构就是数组，但是它神奇的地方在于对下标值的一种转换，这种变换我们可以称之为哈希函数，通过哈希函数可以获取hashCode
- 哈希化
- 将大数字转化成数组范围内下标的过程，我们就称之为 哈希化
- 哈希函数
- 通常我们会将单词转成大数字，大数字在进行哈希化的代码实现放在一个函数中，这个函数我们称为哈希函数
- 哈希表
- 最终将数据插入到这个数组，对整个结构的封装，我们称为哈希表
- 冲突
- 解决方案
- 新插入的32本来应该插入到82的位置，但是这个位置已经有了数据
- 我们发现3和5和9的没有任何数据的
- 这个时候就可以寻找对应的空白位置来放这个数据
- 链地址法
- 开放地址法 寻找空白的单元格来添加重复的数据
- 线性探测问题
- 严重问题：聚集
- 比如没有任何数据的时候，插入，23，24，25，26，意味2-3-4-5-6的位置都是空的
- 这种一连串填充单元就叫做聚集
- 聚集影响哈希表的性能， 无论 插入 查询 删除 都会影响
- 解决： 二次探测 可以解决一部分这个问题
- 二次探测
- 线性探测是连续插入的，在插入一个数据可能探测很长的距离
- 二次探测主要优化的是探测时的步长
- 线性探测：步长1的探测 比如下标值X开始，线性测试就是X+1、X+2 ... ...
- 二次探测：对步长优化，下标值X开始，X+1²、X+2³ ... ...
- 再哈希法（常见解决方案）
- 二次探测的算法的产生的探测序列步长是固定的 1、4、9、16 以此类推
- 需要一种方法：产生一种依赖关键字的探测序列，而不是每一个都一样
- 不同的关键字即使映射到相同的数组下标，也可以使用不同的探测序列
- 再哈希法：关键字用另外一个哈希函数，再进行哈希化，用这次哈希化的结果作为步长
- 对于指定的关键字，步长在整个探测中是不变的，不过不同的关键字使用不同的步长
- 二次哈希化具备如下特点
- 和第一个哈希函数不同（不要再使用上次的哈希函数，不然结果还是原来位置）
- 不能输出为0（将没有步长，每次探测都是原地踏步，进入死循环）
- 设计出工作很好的哈希函数
- stepSize = constant - （key % constant）
- 其中constant是质数，且小于数组的容量
- 例如 stepSize = 5 - （key % 5） ，满足需求，并且结果不可能是0
- 哈希化的效率
- 装填因子 = 已经存放的数据量 / 总长度
- 装填因子表示当前哈希表中已经包含的数据项和整个哈希表长度的比值
- 装填因子 = 总数据项 / 哈希表长度
- 开放地址法的装填因子最大是1，因为它必须寻找空白单元才能将元素放入
- 链地址的装填因子 可以大于 1 ，因为拉链法可以无限的延伸下去 只要你愿意（当然后面效率就变低了）
- 如果没有冲突 效率更高
- 发生冲突 存取时间就依赖后来的探测长度
- 平均探测长度以及平均存取时间，取决于填装因子，随着填装因子变大，探测长度也越来越大
- 随着填装因子变大，效率下降的情况，在不同开放地方法方案中比链地址更严重。
- 执行插入和搜索操作效率是非常高的
- 概念：装填因子
优秀的哈希函数
- 一个好的哈希函数应该尽可能让计算的过程变得简单，提高计算的效率
- 哈希表主要优点是它的速度，所以在速度上不能满足，那么就达不到设计的目的了
- 提高速度的一个办法就是让哈希函数中尽量少有乘法和除法，因为他们的性能比较低
- 设计好的哈希函数具备优点
- 无论是链地方法还是开放地方法，当多个元素映射同一个位置的时候，都会影响效率
- 所以，优秀的哈希函数应该尽可能将元素映射到不同位置，让元素在哈希表中均匀的分布
- 优势在于效率 快速获取到hashCode 很重要
- 通过快速的计算获取到元素对应的hashCode
- 快速计算
- 均匀分别
霍纳法则
哈希扩容的思想
扩容
- 目前，我们是将所有的数据项放在长度 8的数组中的
- 因为我们使用链地址法，loadFactor可以大于1，所以这个表可以无限制插入新数据
- 随数据的增多，每个index对应的bucket会越来越长，效率降低（线性查找）
- 所以，合适的情况下要对数组进行扩容double
如何扩容
- 扩容可以简单的将容量增大两倍
- 但，所有数据项一定要同时进行修改（重新调用哈希函数，获取不同的位置）
- 比如hashCode=12的数据项，在length=8时候，index=4，在长度为6的时候呢？index=12
- 这是一个耗时过程，如果数组需要扩容，这个过程是必要的
扩容函数
- step 1：先将之前数组保存起来，因为我们等会将stroage =[]
- step 2： 之前的属性值需要重置
- step 3：遍历所有的数据项，重新插入到哈希表中
- 什么时候需要调用扩容函数
- 每次put完，判断是否调用
什么情况下扩容呢
- 比较常见的情况是loadFactor>0.75的时候进行扩容
- 比如java的哈希表就是在装填因子大于0.75的时候，对哈希表进行扩容的
容量质数
- 虽然，在链地址法中将容量设置为质数，没有在开房地址法中重要
- 但在链地址法中质数作为容量也更利于数据的均匀分别，所以，这一步还是要完成的
- 也是一个常见的面试题 判断一个是不是质数
- 质数的特点
- 质数 也称为素数
- 表示大于1的自然数种，只能被1和自己整除的数
const MAX_LOAD_FACTOR = 0.75;const MIX_LOAD_FACTOR = 0.25;export function hashFunc(str, max) { // 定义hashCode
let hashCode = 0; // 霍纳
// ((2n+5)31+1)31+6=3=31
for (let i = 0; i < str.length; i++) {
hashCode = 31 * hashCode + str.charCodeAt(i);
}
hashCode = hashCode % max; return hashCode;
}// 判断是不是质数// 性能较低// export function isPrime(number){// for(let i=2;i<number;i++){// if(number%i===0){// return false// }// }// return true// }export function isPrime(number) { // 获取 number 平方根
let temp = Math.ceil(Math.sqrt(number)); for (let i = 2; i < temp; i++) {if (number % i === 0) { return false;
}
} return true;
}export class HashTable { constructor() {this.storage = []; //数组储存元素this.conut = 0; // 当前储存多少元素this.limit = 7; // 总个数 容量
} // 哈希函数
hashFunc(str, max) {// 定义hashCodelet hashCode = 0;// 霍纳// ((2n+5)31+1)31+6=3=31for (let i = 0; i < str.length; i++) {
hashCode = 31 * hashCode + str.charCodeAt(i);
}
hashCode = hashCode % max;return hashCode;
} // 放入/修改元素 HashMap -> {key:value}
put(key, value) {// 1. 根据key 映射indexconst index = this.hashFunc(key, this.limit);// 2. 取出数组let bucket = this.storage[index];// 判断这个位置是不是一个数组if (bucket === undefined) {
bucket = []; this.storage[index] = bucket;
}// 3.查询原有值// 插入 / 修改// 判断有没有被覆盖let overide = false;for (let i = 0; i < bucket.length; i++) { let tuple = bucket[i]; if (tuple[0] === key) {
tuple[1] = value;
overide = true;
}
}//4. 没有覆盖 操作新增if (!overide) {
bucket.push([key, value]); this.conut++; if (this.conut > this.limit * MAX_LOAD_FACTOR) {let newLimit = this.limit * 2;
newLimit = this.getPrime(newLimit);this.resize(newLimit);
}
}// !overide && this.conut > this.limit * MAX_LOAD_FACTOR;// let newLimit = this.limit * 2;// newLimit = this.getPrime(newLimit);// this.resize(newLimit);
} // 根据key 获取value
get(key) {// 通过key 获取下标值 （index）const index = this.hashFunc(key, this.limit);// 2. bucketconst bucket = this.storage[index];if (bucket === undefined) return null;//3. 找数据for (let i = 0; i < bucket.length; i++) { if (bucket[i][0] === key) {return bucket[i];
}
}return null;
} // 根据key 删除element
remove(key) {// 通过key 获取下标值 （index）const index = this.hashFunc(key, this.limit);// 2. bucketconst bucket = this.storage[index];if (bucket === undefined) return null;// 3. 删除for (let i = 0; i < bucket.length; i++) { let tuple = bucket[i]; if (tuple[0] === key) {
bucket.splice(i, 1);this.conut--;if (this.limit > 8 && this.conut < this.limit * MIX_LOAD_FACTOR) { let newLimit = Math.floor(this.limit / 2);
newLimit = this.getPrime(newLimit); this.resize(newLimit);
}return tuple;
} return null;
}
} isEmpty() {return this.conut === 0;
} size() {return this.conut;
} // 扩容函数 or 缩小容量
resize(newLimit) {// 1.保存原先的数组中的内容let oldStorage = this.storage;// 2. 重置属性this.limit = newLimit;this.storage = [];this.conut = 0;// 3. 取出oldStorage所有元素oldStorage.forEach((bucket) => { if (bucket === null || bucket === undefined) return; for (let i = 0; i < bucket.length; i++) {let tuple = bucket[i];this.put(tuple[0], tuple[1]);
}
});
} isPrime(number) {// 获取 number 平方根let temp = Math.ceil(Math.sqrt(number));for (let i = 2; i < temp; i++) { if (number % i === 0) {return false;
}
}return true;
} getPrime(number) {while (!isPrime(number)) {
number++;
}return number;
}
}复制代码tree
树的特点
- 树通常一个根，链接着根的是树干
- 树干到上面之后会进行分叉成树枝，树枝还会分叉成更小的树枝
- 在树枝的最后是叶子
树结构术语
- 节点的度（Degree）节点的子树个数
- 树的度：树的所有节点中最大的度数
- 叶节点（Leaf）：度为0的节点（也称为叶子节点）
- 父节点（Parent）：有子树的节点是其子树的根节点的父节点
- 子节点（Child）：若a节点是b节点的父节点，则称b节点是a节点的子节点；子节点也称孩子节点
- 兄弟节点（Sibling）：具有同一父节点的各节点彼此是兄弟节点
- 路径和路径长度：从节点n1到nk的路径为一个节点序列n1,n2, …ni是ni+1的父节点。路径所包含边的个数为路径长度
- 节点的层次（Level）：规定根节点在一层，其他任一节点的层数是其父节点的层数加1
- 数的深度（depth）树中所有节点中的最大层次是这棵树的深度
二叉树的概念
- 如果树种每个节点最多只能有2个子节点，这样的树就成为”二叉树“
- 前面，我们已经提到二叉树的重要性，不仅仅是因为简单，也因为几乎上所有的树都可以表示成二叉树的形式
- 二叉树的定义
- 二叉树可以为空，也就是没有节点
- 若不为空，则它是由根节点和称为其左子树TL和右子树TR的两个不相交的二叉树组成
- 二叉树五种形态
- 二叉树有几个比较重要的特性，在笔试题中比较常见
- 一个二叉树第i层的最大节点数为2^（i-1），i>=1；
- 深度为k的二叉树有最大节点总数为2^k-1,k>=1
- 对任何非空二叉树T，若n0表示叶节点的个数，n2是度为2的非叶节点那么两者满足关系n0=n2+1
- 完美二叉树 perfect binary tree 也称为 满二叉树ffull binary tree
- 在二叉树中，除了最下一层的叶节点外，每层节点都有2个子节点，就构成了满二叉树
- 链表存储
- 二叉树最常见的方式还是使用链表存储
- 每个节点封装成一个node，里边包含存储的数据，左节点的引用，右节点的引用
二叉搜索/排序/查找树 BST binary search tree
- 二叉搜索树是一颗二叉树，可以为空
- 如果不为空，满足以下性质
- 非空左子树的所有键值小于其根节点的键值
- 非空右子树的所有键值大于其根节点的键值
- 左、右子树本身也都是二叉搜索树
- 二叉搜索树的特点
- 相对较小的值总是保存在左节点上，相对较大的值总是保存在右节点上
- 查找效率非常高，这也是二叉搜索树中，搜索的来源
常见操作
- insert（key）向树种插入一个新的键
- search（key）在树中查找一个键，如果节点存在，则返回true，否则false
- inOrderTraverse 通过中序遍历方式遍历所有节点
- preOrderTraverse 通过先序遍历方式遍历所有节点
- postOrderTraverse 通过后序遍历方式遍历所有节点
- min 返回树中最小的值、键
- max 返回树中最大的值、键
- remove（key）从树中移除某个键
遍历二叉搜索树
树的遍历
遍历一棵树是指访问树的每个节点，也可以对每个节点进行某些操作
但是树和线性结构不太一样，线性结构我们通常按照从前到后的顺序遍历，但是树？
应该从树的顶端还是底端？？左开始还是右开始
二叉树的遍历常见三种方式
- 遍历过程
- 访问根节点
- 先序遍历其左子树
- 先序遍历其右子树
- 先序遍历
- 中序遍历 （从大到小）
- 后序遍历
- 层序遍历 …
二叉搜索树的删除
- 删除节点要从查找要删的节点开始，找到节点后，需要考虑三种情况：
- 规律
- 这两个特别的节点，也有两个特别的名字
- 比current小一点点的节点，称为current节点的前驱
- 比current大一点点的节点，称为current节点的后继
- 这个节点怎么找
- 比current小一点的节点，一定是current左子树的最大值
- 比current大一点的节点，一定是current右子树的最小值
- 如果删除的节点有两个子节点，甚至子节点还有子节点，这种情况下我们需要从下面的子节点中找到一个节点，来替换当前的节点
- 但是找到这个节点的特征是被删除的节点下面所有节点中最接近被删除节点的
- 前驱 and 后继
- 这种情况相对比较简单，我们需要检测current的left以及right是否都为null
- 都为null之后还要检测一个东西，就是是否current就是root，都是为null，并且为根，那么就相当于清空二叉树
- 否则就把父节点的left或者right字段设置为null即可
- 如果只有一个单独的根，直接删除即可
- 该节点是叶节点（没有子节点，比较简单）
- 该节点有一个子节点（简单）
- 该节点有两个子节点（复杂）
- 先从查找要删除的节点入手
- 删除叶子节点
- 删除只有一个子节点的节点
- 删除有两个子节点的节点
- 先找到要删除的节点，如果没有找到，不需要删除
- 找到要删除的节点
class Node { constructor(key) {this.key = key;this.left = null;this.right = null;
}
}export class BinarySearchTree { constructor() {this.root = null;
} // - insert（key）向树种插入一个新的键
insert(key) {// 1.根据key创建node节点const newNode = new Node(key);// 2.如果树的空的，if (this.root === null) { this.root = newNode;
} else { this.insertNode(this.root, newNode);
}
} insertNode(node, newNode) {if (newNode.key > node.key) { if (node.right === null) {
node.right = newNode;
} else {this.insertNode(node.right, newNode);
}
} else { if (node.left === null) {
node.left = newNode;
} else {this.insertNode(node.left, newNode);
}
}
} // - search（key）在树中查找一个键，如果节点存在，则返回true，否则false
search(key) {return this.searchNode(this.root, key);
} search2(key) {let node = this.root;while (node !== null) { if (node.key > key) {
node = node.left;
} else if (node.key < key) {
node = node.right;
} else if (node.key === key) {return true;
}
}return false;
} searchNode(node, key) {if (node === null) return false;if (node.key > key) { this.searchNode(node.left, key);
} else if (node.key < key) { this.searchNode(node.right, key);
} else if (node.key === key) { return true;
}
} // - preOrderTraverse 通过先序遍历方式遍历所有节点
preOrderTraverse() {this.preOrderTraverseNode(this.root);
} preOrderTraverseNode(node) {if (node === null) return;console.log(node);this.preOrderTraverseNode(node.left);this.preOrderTraverseNode(node.right);
} // - inOrderTraverse 通过中序遍历方式遍历所有节点
inOrderTraverse() {this.inOrderTraverseNode(this.root);
} inOrderTraverseNode(node) {if (node === null) return;this.inOrderTraverseNode(node.left);console.log(node);this.inOrderTraverseNode(node.right);
} // - postOrderTraverse 通过后序遍历方式遍历所有节点
postOrderTraverse() {this.postOrderTraverseNode(this.root);
} postOrderTraverseNode(node) {if (node === null) return;this.postOrderTraverseNode(node.left);this.postOrderTraverseNode(node.right);console.log(node);
} // - min 返回树中最小的值、键
min() {let node = this.root;while (node.left !== null) {
node = node.left;
}return node;
} // - max 返回树中最大的值、键
max() {let node = this.root;while (node.right !== null) {
node = node.right;
}return node;
} // - remove（key）从树中移除某个键
// 最复杂的
remove(key) {// 找到要删除的节点// 记录状态// 当前let current = this.root;// 上一个let parent = null;// 是否左子节点let isLeftChild = true;// 2. 开始查找要删除的节点// 如果当前的key的值不等于目标值 继续循环// debugger;while (current.key !== key) {
parent = current; if (key < current.key) {
isLeftChild = true;
current = current.left;
} else {
isLeftChild = false;
current = current.right;
} // 没有找到 if (current === null) return false;
}// 3.找到节点 current// 情况一 删除的节点是叶子节点 没有子节点if (current.left === null && current.right === null) { if (current === this.root) {this.root = null;
} else if (isLeftChild) {
parent.left = null;
} else {
parent.right = null;
}
}// 情况二 删除节点只有一个子节点// 只有左子节点else if (current.right === null) { if (current === this.root) {this.root = current.left;
} else if (isLeftChild) {
parent.left = current.left;
} else {
parent.right = current.right;
} // 只有右子节点} else if (current.left === null) { if (current === this.root) {this.root = current.right;
} else if (isLeftChild) {
parent.left = current.left;
} else {
parent.right = current.right;
}
}else{ // 两个节点 // 获取后继节点 let successor = this.getSuccessor(current); // 2 判断是否根节点 if(this.root === current){this.root=successor;
}else if(isLeftChild){
parent.left=successor;
}else{
parent.right=successor
}
successor.left=current.left;
}return true;
} getSuccessor(delNode){// sign datalet successerParent=delNode;let successer=delNode;let current=delNode.right;// 2 seek nodewhile(current!==null){
successerParent=successer;
successer=current;
current=current.left;
}// 3.如果后继节点不是删除节点的右节点if(successer!=delNode.right){
successerParent.left=successer.right;
successer.right=delNode.right
}return successer;
}
}复制代码本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
