Python 树遍历算法

遍历是访问树的所有节点的过程,也可以打印它们的值。因为所有节点都通过边(链接)连接,所以我们始终从根(头)节点开始。也就是说,我们不能随机访问树中的一个节点。我们用三种方式来遍历一棵树

  • 按顺序遍历
  • 预购遍历
  • 后序遍历

 

按顺序遍历

在这种遍历方法中,首先访问左侧子树,然后访问根,然后访问右侧子树。我们应该永远记住每个节点本身可能代表一个子树。

在下面的python程序中,我们使用Node类为根节点以及左右节点创建占位符。然后我们创建一个插入函数来将数据添加到树中。最后,Inorder遍历逻辑通过创建一个空列表并首先添加左节点,然后添加根节点或父节点来实现。最后添加左节点以完成Inorder遍历。请注意,对于每个子树重复此过程,直到遍历所有节点。

class Node:

    def __init__(self, data):

        self.left = None
        self.right = None
        self.data = data
# Insert Node
    def insert(self, data):

        if self.data:
            if data < self.data:
                if self.left is None:
                    self.left = Node(data)
                else:
                    self.left.insert(data)
            elif data > self.data:
                if self.right is None:
                    self.right = Node(data)
                else:
                    self.right.insert(data)
        else:
            self.data = data

# Print the Tree
    def PrintTree(self):
        if self.left:
            self.left.PrintTree()
        print( self.data),
        if self.right:
            self.right.PrintTree()

# Inorder traversal
# Left -> Root -> Right
    def inorderTraversal(self, root):
        res = []
        if root:
            res = self.inorderTraversal(root.left)
            res.append(root.data)
            res = res + self.inorderTraversal(root.right)
        return res

root = Node(27)
root.insert(14)
root.insert(35)
root.insert(10)
root.insert(19)
root.insert(31)
root.insert(42)
print(root.inorderTraversal(root))

当上面的代码被执行时,它会产生以下结果 -

[10, 14, 19, 27, 31, 35, 42]

 

预购遍历

在这种遍历方法中,首先访问根节点,然后访问左边的子树,最后访问右边的子树。

在下面的python程序中,我们使用Node类为根节点以及左右节点创建占位符。然后我们创建一个插入函数来将数据添加到树中。最后,Pre- order遍历逻辑通过创建一个空列表并首先添加根节点,然后添加左节点来实现。最后添加正确的节点以完成预订遍历。请注意,对于每个子树重复此过程,直到遍历所有节点。

class Node:

    def __init__(self, data):

        self.left = None
        self.right = None
        self.data = data
# Insert Node
    def insert(self, data):

        if self.data:
            if data < self.data:
                if self.left is None:
                    self.left = Node(data)
                else:
                    self.left.insert(data)
            elif data > self.data:
                if self.right is None:
                    self.right = Node(data)
                else:
                    self.right.insert(data)
        else:
            self.data = data

# Print the Tree
    def PrintTree(self):
        if self.left:
            self.left.PrintTree()
        print( self.data),
        if self.right:
            self.right.PrintTree()

# Preorder traversal
# Root -> Left ->Right
    def PreorderTraversal(self, root):
        res = []
        if root:
            res.append(root.data)
            res = res + self.PreorderTraversal(root.left)
            res = res + self.PreorderTraversal(root.right)
        return res

root = Node(27)
root.insert(14)
root.insert(35)
root.insert(10)
root.insert(19)
root.insert(31)
root.insert(42)
print(root.PreorderTraversal(root))

当上面的代码被执行时,它会产生以下结果 -

[27, 14, 10, 19, 35, 31, 42]

 

后序遍历

在这个遍历方法中,最后访问根节点,因此名称。首先我们遍历左子树,然后遍历右子树,最后遍历根节点。

在下面的python程序中,我们使用Node类为根节点以及左右节点创建占位符。然后我们创建一个插入函数来将数据添加到树中。最后,通过创建一个空列表并首先添加左节点,然后添加右节点来实现Post- Order遍历逻辑。最后,根或父节点被添加以完成后序遍历。请注意,对于每个子树重复此过程,直到遍历所有节点。

class Node:

    def __init__(self, data):

        self.left = None
        self.right = None
        self.data = data
# Insert Node
    def insert(self, data):

        if self.data:
            if data < self.data:
                if self.left is None:
                    self.left = Node(data)
                else:
                    self.left.insert(data)
            elif data > self.data:
                if self.right is None:
                    self.right = Node(data)
                else:
                    self.right.insert(data)
        else:
            self.data = data

# Print the Tree
    def PrintTree(self):
        if self.left:
            self.left.PrintTree()
        print( self.data),
        if self.right:
            self.right.PrintTree()

# Postorder traversal
# Left ->Right -> Root
    def PostorderTraversal(self, root):
        res = []
        if root:
            res = self.PostorderTraversal(root.left)
            res = res + self.PostorderTraversal(root.right)
            res.append(root.data)
        return res

root = Node(27)
root.insert(14)
root.insert(35)
root.insert(10)
root.insert(19)
root.insert(31)
root.insert(42)
print(root.PostorderTraversal(root))

当上面的代码被执行时,它会产生以下结果 -

[10, 19, 14, 31, 42, 35, 27]

排序是指以特定格式排列数据。排序算法指定按特定顺序排列数据的方式。最常见的订单是数字或字典顺序。排序的重要性在于如果数据以分类方式存储,数据搜索可以优化到非常高的水平。排序也用于以更易读的格式表示数据。下面我们看到五 ...