Go 数据结构和算法篇(十七):二叉排序树

Go语言精选

共 5423字,需浏览 11分钟

 ·

2021-08-10 00:31

前面已经介绍了二叉树的存储和遍历,今天这篇教程我们以二叉排序树为例,来演示如何对二叉树的节点进行「增删改查」。开始之前,我们先来介绍什么是二叉排序树,以及为什么要引入这种二叉树。

什么是二叉排序树

我们前面已经介绍了很多数据结构,比如数组链表哈希表等,数组查找性能高,但是插入、删除性能差,链表插入、删除性能高,但查找性能差,哈希表的插入、删除、查找性能都很高,但前提是没有哈希冲突,此外,哈希表存储的数据是无序的,哈希表的扩容非常麻烦,涉及到哈希冲突时,性能不稳定,另外,哈希表用起来爽,构造起来可不简单,要考虑哈希函数的设计、哈希冲突的解决、扩容缩容等一系列问题。

有没有一种插入、删除、查找性能都不错,构建起来也不是很复杂,性能还很稳定的数据结构呢?这就是我们今天要介绍的数据结构 —— 二叉排序树。

二叉排序树也叫二叉搜索树、二叉查找树,它是一种特殊的二叉树,我们重点关注「排序」二字,二叉排序树要求在树中的任意一个节点,其左子树中的每个节点的值,都要小于这个节点的值,而右子树节点的值都大于这个节点的值,所以这么看来,二叉排序树是天然有序的。如果按照上篇教程讲的中序遍历,得到的结果将是一个从小到大的有序数据集:

但是构造二叉排序树的目的,并不是为了排序,而是为了提高查找、插入和删除的速度。不管怎么说,在一个有序数据集上查找数据肯定比无序数据集要快,同时二叉排序树这种非线性结构,也非常有利于插入和删除的实现。

下面我们就来看看如何实现二叉排序树的插入、查找和删除以及它们对应的时间复杂度。

定义二叉排序树

首先,我们需要定义好表示二叉树节点的数据结构,还是通过二叉链表来存储二叉排序树,为了提高代码的复用性,我们将上篇教程定义的 Node 结构体抽取出来放到独立的 node.go 文件:

package main
import ( "fmt")
// Node 通过链表存储二叉树节点信息type Node struct { Data interface{} Left *Node Right *Node}
func NewNode(data interface{}) *Node { return &Node{ Data: data, Left: nil, Right: nil, }}
func (node *Node) GetData() string { return fmt.Sprintf("%v", node.Data)}
然后,我们新建一个 search.go 文件定义下二叉排序树对应的结构体,只需要根节点作为入口即可获取整棵树的结构:
package main

type BinarySearchTree struct {  root *Node}
// NewBinarySearchTree 初始化二叉排序树func NewBinarySearchTree(node *Node) *BinarySearchTree { return &BinarySearchTree{ root: node, }}

这里我们通过结构体组合的方式声明二叉排序树的根节点是一个 Node 类型的指针,并为其定义了一个构造函数。

二叉排序树的插入

接下来,我们按照二叉排序树的定义,实现二叉排序树节点的插入方法:


// Insert 插入数据到二叉排序树func (tree *BinarySearchTree) Insert(data interface{}) error {  var value int  var ok bool  if value, ok = data.(int); !ok {    return errors.New("暂时只支持int类型数据")  }  if node := tree.root; node == nil {    // 二叉排序树为空,则初始化    tree.root = NewNode(value)    return nil  } else {    // 否则找到要插入的位置插入新的节点    for node != nil {      if value < node.Data.(int) {        if node.Left == nil {          node.Left = NewNode(value)          break        }        node = node.Left      } else if value > node.Data.(int) {        if node.Right == nil {          node.Right = NewNode(value)          break        }        node = node.Right      } else {        return errors.New("对应数据已存在,请勿重复插入")      }    }    return nil  }}

如果是空树,则将其作为根节点,否则判断插入节点数据与当前节点数据值的大小,如果小于当前节点数据值,则递归遍历左子树,找到对应的位置插入,如果大于当前节点数据值,则递归遍历右子树找到对应的位置插入。

我们可以写一段简单的测试代码测试节点插入方法:

func main() {  tree := NewBinarySearchTree(nil)  tree.Insert(3)  tree.Insert(2)  tree.Insert(5)  tree.Insert(1)  tree.Insert(4)
fmt.Println("中序遍历二叉排序树:") midOrderTraverse(tree.root) fmt.Println()}

这里我们使用了上一篇编写的中序遍历方法 midOrderTraverse,对应的打印结果如下:

二叉排序树的查找

二叉排序树的删除比较复杂,我们先来看查找逻辑的实现,查找实现非常简单,和插入逻辑类似,依次递归比较就好了,直到目标节点数据值和待查找的数据值一致,则返回该节点的指针,或者返回空,表示没有找到:

// Find 查找值为data的节点func (tree *BinarySearchTree) Find(data int) *Node {  if node := tree.root; node == nil {    // 二叉排序树为空返回空    return nil  } else {    // 否则返回值等于data的节点指针    for node != nil {      if data < node.Data.(int) {        node = node.Left      } else if data > node.Data.(int) {        node = node.Right      } else {        return node      }    }    return nil  }}

在上一步编写的测试代码基础上,我们可以通过编写如下代码打印找到节点的对象信息。

fmt.Println("查找值为 3 的节点:")node := tree.Find(3)fmt.Printf("%v\n", node)
fmt.Println("查找值为 10 的节点:")node = tree.Find(10)fmt.Printf("%v\n", node)

执行代码,打印结果如下:

二叉排序树的删除

二叉排序树的删除相对而言要复杂一些,需要分三种情况来处理:

  • 第一种情况:如果要删除的节点没有子节点,我们只需要直接将父节点中指向要删除节点的指针置为 nil。比如下图中的删除节点 55。

  • 第二种情况:如果要删除的节点只有一个子节点(只有左子节点或者右子节点),我们只需要更新父节点中指向要删除节点的指针,让它指向要删除节点的子节点就可以了。比如下图中的删除节点 13。

  • 第三种情况:如果要删除的节点有两个子节点,这就比较复杂了。我们需要先找到这个节点的右子树中节点值最小的节点,把它替换到要删除的节点上,然后再删除掉这个最小节点。因为最小节点肯定没有左子节点(如果有左子节点,那就不是最小节点了),所以,我们可以应用上面两条规则来删除这个最小节点。比如下图中的删除节点 18。(同理,也可以通过待删除节点的左子树中的最大节点思路来实现)

二叉排序树的删除

根据上面的思路,我们给出二叉排序树节点删除逻辑的实现代码:

// Delete 删除值为 data 的节点func (tree *BinarySearchTree) Delete(data int) error {  if tree.root == nil {    return errors.New("二叉树为空")  }
p := tree.root var pp *Node = nil // p 的父节点
// 找到待删除节点 for p != nil && p.Data.(int) != data { pp = p if p.Data.(int) < data { // 当前节点值小于待删除值,去右子树查找 p = p.Right } else { // 否则去左子树查找 p = p.Left } } if p == nil { return errors.New("待删除节点不存在") }
// 待删除节点有两个子节点,需要将待删除节点值设置为该节点右子树最小节点值,再删除右子树最小节点 if p.Left != nil && p.Right != nil { minP := p.Right // 右子树中的最小节点 minPP := p // minP 的父节点 // 查找右子树中的最小节点 for minP.Left != nil { minPP = minP minP = minP.Left } p.Data = minP.Data // 将 minP 的数据设置到 p 中 p = minP // 下面就变成删除 minP 了 pp = minPP }
// 应用待删除节点只有左/右子节点的逻辑 var child *Node if p.Left != nil { child = p.Left } else if p.Right != nil { child = p.Right } else { child = nil }
if pp == nil { // 删除跟节点 tree.root = nil } else if pp.Left == p { // 仅有左子节点 pp.Left = child } else if pp.Right == p { // 仅有右子节点 pp.Right = child }
return nil}
在之前测试代码的基础上,编写节点删除方法的测试代码:
fmt.Println("删除值为 3 的节点:")err := tree.Delete(3)if err != nil {  fmt.Printf("%v\n", err)} else {  fmt.Println("删除成功")}
fmt.Println("中序遍历删除节点后的二叉排序树:")midOrderTraverse(tree.root)fmt.Println()

执行 search.go,打印结果如下:

二叉排序树的时间复杂度

不论是插入、删除、还是查找,二叉排序树的时间复杂度都等于二叉树的高度,最好的情况当然是满二叉树或完全二叉树,此时根据完全二叉树的特性,时间复杂度是 O(logn),性能相当好,最差的情况是二叉排序树退化为线性表(斜树),此时的时间复杂度是 O(n),所以二叉排序树的形状也很重要,不同的形状会影响最终的操作性能,这也就引入了学院君接下来要继续深入介绍的二叉树内容 —— 平衡二叉树和红黑树。


推荐阅读


福利

我为大家整理了一份从入门到进阶的Go学习资料礼包,包含学习建议:入门看什么,进阶看什么。关注公众号 「polarisxu」,回复 ebook 获取;还可以回复「进群」,和数万 Gopher 交流学习。

浏览 35
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报