【数据结构指南】高频二叉树节点问题

【数据结构指南】高频二叉树节点问题

前言:      

        在熟练掌握二叉树四种基本遍历方法的基础上,本文将深入探讨以下进阶问题:节点总数统计、叶子节点计算、第k层节点数量确定、节点的查找以及树高测量。

        这些内容将帮助读者深化对二叉树结构的理解与应用能力,以及深入理解递归分治思想。

 

        

一、前置说明:

        

本文所描述的二叉树都是链式二叉树,其定义方式如下所示:

        

typedef char BTDataType; typedef struct BinaryTree { BTDataType data; struct BinaryTree* left; struct BinaryTree* right; }BTNode;

        

二、二叉树的创建及销毁

        

通过前序遍历的数组"ABD##E#H##CF##G##"构建二叉树,其中'#'表示该节点为NULL,二叉树如下图所示:

        

        

前序遍历的思想为: 先访问根节点  ->  再访问左子树 ->  最后访问右子树

        

依照前序遍历的思想,我们可以得出核心构建二叉树的逻辑:“先处理当前节点,再递归构建左子树,最后递归构建右子树 ”。

      

BTNode* BinaryTreeCreate(char* a, int n, int* pi) { if (a[*pi] == '#') { (*pi)++; return NULL; } BTNode* root = (BTNode*)malloc(sizeof(BTNode)); root->data = a[(*pi)++]; root->left = BinaryTreeCreate(a, n, pi); root->right = BinaryTreeCreate(a, n, pi); return root; }

        

核心逻辑:整个递归从根节点 A 开始,按 “当前节点→左子树→右子树” 的前序逻辑推进

          

①先取 A 为节点,递归构建其左子树(以 B 为节点)。

        

②B 节点下先递归构建左子树(D 节点,左右均为 #则返回),再构建右子树(E 节点,左为 #,右递归到 H 节点,H 左右均为 #则返回)。

        

③A 的右子树以 C 为节点,递归构建左子树(F 节点,左右均为 #返回)和右子树(G 节点,左右均为 #返回),遇 #则终止当前分支递归,逐层完成构建。

        

对于二叉树的销毁而言,我们需要按照后序遍历的思想:先访问左子树  ->  再访问右子树 ->  最后访问根节点

这里有帅观众问,为什么一定需要按照后序的遍历思想?

答:若按照前序遍历 或者 中序遍历的思想,根节点会提前释放,导致左子树和右子树所开辟的空间不能被释放,造成内存泄漏的严重后果。

        

依照后序遍历的思想,我们可以得出销毁二叉树的逻辑:“先递归处理左子树,再递归处理右子树,最后销毁根节点 ”。

        

void TreeDestory(BTNode** root) { if (*root == NULL) return; //销毁左树 TreeDestory((*root)->left); //销毁右树 TreeDestory((*root)->right); //销毁根 free(*root); *root = NULL; }

        

        

三、二叉树的结点统计与高度计算

        

温馨提示:下文中对如图所示的二叉树进行节点与高度的计算

        

        

3.1二叉树节点总数的统计

        

思路一: 通过定义计数变量,通过遍历整棵二叉树进行统计节点个数。

        

思路二:利用分治思想,结合递归函数,将大问题化成若干个子问题。

                整棵树的结点总数 = 左子树结点数 + 右子树结点数 + 1(根结点),空树结点数为 0。

思路一看似很合理,但实际上会出现问题

        
     

具体问题如下:

        


若使用局部变量:

        

递归遍历左 / 右子树时,每层递归的局部计数变量会被重新初始化,无法累计整棵树的节点数


        

若使用全局 / 类成员变量

        

虽然能累计计数,但多次调用统计函数时,全局变量不会自动重置,会导致后续统计结果错误。

        

例如:统计了A树的节点个数,再统计B树的节点个数就会因没重置计数变量,而导致统计结果错误。

        

下面基于思路二的思想进行代码展示:

//树的节点个数 int TreeSize(BTNode* root) { if (root == NULL) { return 0; } return TreeSize(root->left) + TreeSize(root->right) + 1; }

        

3.2叶子节点的计算

        

思路:①由叶子结点是 “左、右子树均为空” 的结点,得出判断条件

           ②由分治思想,将大问题化成若干个子问题,整棵树的叶子结点数 = 左子树叶子结点数 + 右子树叶子结点数。

        

//叶子节点个数 int TreeLeafSize(BTNode* root) { //若根节点为空,直接返回0 if (root == NULL) { return 0; } if (root->left == NULL && root->right == NULL) { return 1; } return TreeLeafSize(root->left) + TreeLeafSize(root->right); } 

        

3.3第k层节点的数量

        

思路:①由分治思想,将大问题化成若干个子问题,第k层节点数 = 左子树的第k-1层节点数 + 右子树的第k-1层节点数。

            ②明确最小子问题:若树为空(根节点null)或k < 1 → 第k层节点数为0;   若k = 1 → 只有根节点,数量为1;

        

int TreeLevelKSize(BTNode* root, int k) { //第k层 的节点数 ->第k-1层的节点数 ->第k-1层左子树+第k-1层右子树的节点数 if (root == NULL|| k<0) return 0; //第一层的节点数为1 if (k == 1) return 1; return TreeLevelKSize(root->left, k - 1) + TreeLevelKSize(root->right, k - 1); }

        

3.4二叉树的高度测量

        

思路:由分治思想,将大问题化成若干个子问题,二叉树的高度=max( 左子树 , 右子树 )+ 1

写法一:             

//树的高度 int TreeHeight(BTNode* root) { if (root == NULL) return 0; return max(TreeHeight(root->left),TreeHeight(root->right))+1; }

        

写法二:

//树的高度 int TreeHeight(BTNode* root) { if (root == NULL) return 0; int leftHeight = TreeHeight(root->left); int rightHeight = TreeHeight(root->right); return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1; }

        

错误写法:因为没有记录左右子树的高度,导致需要进行多次重复冗余的递归,使得增加栈溢出的风险。

//树的高度 int TreeHeight(BTNode* root) { if (root == NULL) return 0; return TreeHeight(root->left) > TreeHeight(root->right) ? TreeHeight(root->left) + 1 : TreeHeight(root->right) + 1; }

        

3.5节点的查找

        

思路:  ①由分治思想,将大问题化成若干个子问题,将在整棵树查找节点-> 根查找   左子树查找   右子树查找

             ②边界条件:遇到空子树返回NULL,遇到值等于查找目标返回该节点。

             ③温馨提示:在查找到目标节点需要进行保存后,逐层返回。

BTNode* TreeFind(BTNode* root, BTDataType x) { //查找到空节点直接返回 if (root == NULL) return NULL; //查找到目标节点的判定 if (root->data == x) return root; BTNode* retleft = TreeFind(root->left, x); //在左子树找到,保存并直接返回 if (retleft) return retleft; BTNode* retright = TreeFind(root->right, x); //在右子树找到,保存并直接返回 if (retright) return retright; //左右子树都没找到 return NULL; }

        

3.6测试函数功能        

        

void TestFun() { char a[] = "ABD##E#H##CF##G##"; int sz = sizeof(a) / sizeof(char); int i = 0; BTNode* root = BinaryTreeCreate(a, sz, &i); // 测试各功能 printf("节点总数为:%d\n", TreeSize(root)); // 预期8 printf("叶子节点数为:%d\n", TreeLeafSize(root)); // 预期4(D、H、F、G) printf("树的高度为:%d\n", TreeHeight(root)); // 预期4(A→B→E→H) printf("第3层的节点数:%d\n", TreeLevelKSize(root, 3)); // 预期4(D、E、F、G) // 测试查找功能 BTNode* findNode = TreeFind(root, 'H'); if (findNode) { printf("找到节点:%c\n", findNode->data); } else { printf("未找到节点\n"); } // 销毁二叉树 BinaryTreeDestroy(root); root = NULL; }

既然看到这里了,不妨关注+点赞+收藏,感谢大家,若有问题请指正。

Read more

Flutter 组件 dio_logging_interceptor 适配鸿蒙 HarmonyOS 实战:全链路网络观测,构建高性能日志拦截与流量审计架构

Flutter 组件 dio_logging_interceptor 适配鸿蒙 HarmonyOS 实战:全链路网络观测,构建高性能日志拦截与流量审计架构

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 dio_logging_interceptor 适配鸿蒙 HarmonyOS 实战:全链路网络观测,构建高性能日志拦截与流量审计架构 前言 在鸿蒙(OpenHarmony)生态迈向大型分布式应用、涉及复杂微服务调用及严苛线上环境调试的背景下,如何实现网络请求的长效“透明化”治理,已成为决定应用研发效率与故障定位能力的基石。在鸿蒙设备这类强调 AOT 极致性能与低能耗前台驻留的环境下,如果应用依然依赖零散的 print 语句或基础的控制台输出,由于由于网络并发频率高、报文体积大,极易由于由于“日志阻塞”或“关键信息淹没”导致开发者无法在海量日志中捕捉到致命的 401 或 500 异常原因。 我们需要一种能够深度集成于网络管线(Dio)、支持多级日志过滤且具备美理化输出格式的拦截器方案。 dio_logging_interceptor 为 Flutter 开发者引入了“

By Ne0inhk
企业级部署升级:Nginx 反向代理 + ELK 日志监控,让成绩预测平台稳定可追溯

企业级部署升级:Nginx 反向代理 + ELK 日志监控,让成绩预测平台稳定可追溯

⭐️个人主页:秋邱-ZEEKLOG博客 📚所属栏目:python 前言 上一期的 Docker+Linux 部署,让成绩预测平台实现了局域网共享,但真正落地到团队 / 学校使用,还缺两个关键支撑:访问体验不够专业(IP + 端口难记、无加密),运维排查全靠 “猜”(日志分散、无监控)。 这一期,我们跳出 “步骤式部署” 的框架,以 “问题驱动 + 场景落地” 为核心,先拆解企业级部署的核心诉求,再分模块实现 Nginx 域名化改造和 ELK 日志监控,最后通过实战验收和运维手册,让你既能搞定部署,又能轻松应对后续运维问题,全程聚焦 “实用、稳定、可追溯”。 一、企业级部署的 3 个核心诉求(先明确目标再动手) 为什么互联网公司都在用 “Nginx+ELK”

By Ne0inhk
给数据“立规矩” —— MySQL 新手必学的表约束全指南

给数据“立规矩” —— MySQL 新手必学的表约束全指南

🔥海棠蚀omo:个人主页                 ❄️个人专栏:《初识数据结构》,《C++:从入门到实践》,《Linux:从零基础到实践》,《Linux网络:从不懂到不会》,《MySQL:新手入门指南》                 ✨追光的人,终会光芒万丈 博主简介: 目录 一.为什么要有表的约束? 二.表的约束 2.1空属性 2.2默认值 2.3列描述 2.4zerofill 2.5主键 2.5.1复合主键 2.6自增长 2.7唯一键 5.8外键 前言: 在上一篇文章中我们讲解了MySQL中的各种数据类型,那么正是因为有了各种数据类型,才会有今天我们要讲的表的约束相关知识,那么这中间到底是怎么回事呢?下面我们就一起来看看吧。 一.为什么要有表的约束? 在上一篇文章中,我们认识了很多的数据类型,并在它们的下面我们也通过例子进行了演示,

By Ne0inhk
复杂SQL性能突围:代价驱动的连接条件下推策略与工程实践

复杂SQL性能突围:代价驱动的连接条件下推策略与工程实践

文章目录 * 引言:当“逻辑清晰”遇上“性能陷阱” * 一、问题根源:高选择性条件为何“鞭长莫及” * 1.1 客户场景还原 * 1.2 业界面临的两大核心难点 * 1.2.1 语义等价性(Equivalence) * 1.2.2 代价评估(Cost) * 二、传统优化器的“无力感” * 三、金仓数据库的破局之道:等价 + 代价的双重驱动 * 3.1 阶段一:等价性判定(Can we push?) * 3.2 阶段二:代价模型评估(Should we push?) * 四、效果验证:从全表扫描到精准过滤

By Ne0inhk