Python初识二叉树续之实战binarytree

作者:Hann?Yang 时间:2021-04-05 22:22:51 

第三方库 binarytree

其使用环境、安装方法及二叉树的相关知识,请见:《Python 初识二叉树,新手也秒懂!》

不能导入的请安装:pip install binarytree

安装好了就导入库:import binarytree

主要的函数方法如下:

>>> import binarytree as bt
>>>
>>> bt.__all__
['Node', 'tree', 'bst', 'heap', 'build', 'build2', 'get_parent', '__version__']
>>>
>>> bt.__version__
'6.3.0'
>>>

目前最新版本 V6.3.0,挑其中几个来探究一下二叉树的世界吧:

二叉树节点函数 Node()

函数原型:Node(NodeValue, LeftChildNode=None, LeftChildNode=None)

三个参数:NodeValue节点数值,必须为实数,int或float

LeftChildNode, LeftChildNode 左右子树节点

通过创建节点,生成一棵3层的满二叉树:

>>> from binarytree import Node
>>>
>>> bt = Node(1)
>>>
>>> bt.left = Node(2)
>>> bt.right = Node(3)
>>>
>>> bt.left.left = Node(4)
>>> bt.left.right = Node(5)
>>> bt.right.left = Node(6)
>>> bt.right.right = Node(7)
>>>
>>> bt.pprint()

__1__
  /     \
 2       3
/ \     / \
4   5   6   7

>>>

如果要建很多层的满二叉树,用Node()逐个赋值有点麻烦。比如到第四层要给8个叶子赋值:

>>> bt.left.left.left = Node(8)
>>> bt.left.right.left = Node(10)
>>> bt.right.left.left = Node(12)
>>> bt.right.right.left = Node(14)
>>> bt.left.left.right = Node(9)
>>> bt.left.right.right = Node(11)
>>> bt.right.left.right = Node(13)
>>> bt.right.right.right = Node(15)

每多一层叶子数就翻一倍,为了方便我想到用exec()函数把字符串转成变量操作赋值的方法予以简化代码。自定义函数 createPerfectTree(intTreeLevels, listTreeData),参数为需要指定的层数和节点赋值数据,分别是整数和列表类型;函数返回值为一个满二叉树。代码如下:

from binarytree import Node

def createPerfectTree(intTreeLevels, listTreeData):
   if len(listTreeData)+1<2**intTreeLevels or intTreeLevels<1:
       return None
   t,tmp = ['root'],[]
   data = listTreeData[::-1]
   root = Node(data[-1])
   data.pop()
   for j in range(intTreeLevels-1):
       for i in t:
           exec(i + f'.left=Node({data[-1]})')
           data.pop()
           exec(i + f'.right=Node({data[-1]})')
           data.pop()
           tmp.append(i + '.left')
           tmp.append(i + '.right')
       t=tmp[:]
       tmp=[]
   return root

# 打印各节点值为整数序列的满二叉树(0~6层)
for i in range(7):
   data = [*range(1,2**i)]
   print(createPerfectTree(i, data))

# 用指定列表的数据,创建满二叉树
data = [15,0,7,2,6,4,3,1,5,6,7,9,34,23,8]
print(createPerfectTree(3, data))
print(createPerfectTree(4, data))
print(createPerfectTree(5, data))  # data长度不够返回:None

# 赋值后列印
root = createPerfectTree(4, [*range(1,2**4)])
print(root)

运行结果:

None
 
1
 
 
  1
 / \
2   3
 
 
    __1__
   /     \
  2       3
 / \     / \
4   5   6   7
 
 
        ________1________
       /                 \
    __2___             ___3___
   /      \           /       \
  4       _5        _6        _7
 / \     /  \      /  \      /  \
8   9   10   11   12   13   14   15
 
 
                    ____________________1____________________
                   /                                         \
          ________2_________                         _________3_________
         /                  \                       /                   \
     ___4___             ____5___              ____6___              ____7___
    /       \           /        \            /        \            /        \
  _8        _9        _10        _11        _12        _13        _14        _15
 /  \      /  \      /   \      /   \      /   \      /   \      /   \      /   \
16   17   18   19   20    21   22    23   24    25   26    27   28    29   30    31
 
 
                                            ____________________________________________1____________________________________________
                                           /                                                                                         \
                      ____________________2_____________________                                                 _____________________3_____________________
                     /                                          \                                               /                                           \
           _________4_________                         __________5_________                          __________6_________                          __________7_________
          /                   \                       /                    \                        /                    \                        /                    \
     ____8___              ____9___              ____10___              ____11___              ____12___              ____13___              ____14___              ____15___
    /        \            /        \            /         \            /         \            /         \            /         \            /         \            /         \
  _16        _17        _18        _19        _20         _21        _22         _23        _24         _25        _26         _27        _28         _29        _30         _31
 /   \      /   \      /   \      /   \      /   \       /   \      /   \       /   \      /   \       /   \      /   \       /   \      /   \       /   \      /   \       /   \
32    33   34    35   36    37   38    39   40    41    42    43   44    45    46    47   48    49    50    51   52    53    54    55   56    57    58    59   60    61    62    63
 
 
    __15__
   /      \
  0        7
 / \      / \
2   6    4   3
 
 
        ______15_______
       /               \
    __0__            ___7___
   /     \          /       \
  2       6        4        _3
 / \     / \      / \      /  \
1   5   6   7    9   34   23   8
 
None
 
        ________1________
       /                 \
    __2___             ___3___
   /      \           /       \
  4       _5        _6        _7
 / \     /  \      /  \      /  \
8   9   10   11   12   13   14   15

嵌套创建节点,顺便判断对称性。得到一个结论:属性.is_symmetric判断的对称是指镜像对称,不是根节点的左右子树要完全相等,而是要镜面反向才返回 True。

>>> from binarytree import Node
>>> a=Node(1,Node(2,Node(3),Node(4)),Node(2,Node(3),Node(4)))
>>> a.pprint()

__1__
  /     \
 2       2
/ \     / \
3   4   3   4

>>> b=Node(1,Node(2,Node(3),Node(4)),Node(2,Node(4),Node(3)))
>>> b.pprint()

__1__
  /     \
 2       2
/ \     / \
3   4   4   3

>>> a.is_symmetric
False
>>> b.is_symmetric
True
>>>

二叉树的方法与属性

1. 列印方法bt.pprint() 等同于print(bt)

# 以下所有举例皆用上面代码中的 root 满二叉树:
>>> root
Node(1)
>>> root.pprint()

________1________
      /                 \
   __2___             ___3___
  /      \           /       \
 4       _5        _6        _7
/ \     /  \      /  \      /  \
8   9   10   11   12   13   14   15

# 等同于 print(root)

>>> root.right.pprint()

___3___
   /       \
 _6        _7
/  \      /  \
12   13   14   15

>>> root.left.right.pprint()

_5
/  \
10   11

>>> print(root.left.left)

4
/ \
8   9

>>>

2. 判断类属性,判断二叉树是否平衡、严格、对称、完全、完美,是否为最大(小)堆、搜索树等

对称是指根节点的左右子树呈镜像对称;严格是指除叶子外所有节点都有左右两个节点。

>>> root.is_balanced
True
>>> root.is_bst
False
>>> root.is_complete
True
>>> root.is_max_heap
False
>>> root.is_min_heap
True
>>> root.is_perfect
True
>>> root.is_strict
True
>>> root.is_symmetric
False
>>>

3. 数量数值类属性

>>> root.left
Node(2)
>>> root.right
Node(3)
>>> root.val
1
>>> root.value
1
>>> root.values
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
>>> root.values2
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
>>> root.left.value
2
>>> root.right.left.value
6
>>> root.max_node_value
15
>>> root.min_node_value
1
>>> root.max_leaf_depth
3
>>> root.min_leaf_depth
3
>>> root.levels
[[Node(1)], [Node(2), Node(3)], [Node(4), Node(5), Node(6), Node(7)], [Node(8), Node(9), Node(10), Node(11), Node(12), Node(13), Node(14), Node(15)]]
>>> len(root.levels)   # == height + 1
4
>>> root.height
3
>>> root.leaves
[Node(8), Node(9), Node(10), Node(11), Node(12), Node(13), Node(14), Node(15)]
>>> len(root.leaves)
8
>>> root.leaf_count
8
>>>

注: val和value等价,values和values2差别在于如有多个连续空节点时后者只返回一个None 

4. 属性字典,打包了上面两大类属性中的一部分放在一个字典里

>>> root.properties
{'height': 3,
'size': 15,
'is_max_heap': False,
'is_min_heap': True,
'is_perfect': True,
'is_strict': True,
'is_complete': True,
'leaf_count': 8,
'min_node_value': 1,
'max_node_value': 15,
'min_leaf_depth': 3,
'max_leaf_depth': 3,
'is_balanced': True,
'is_bst': False,
'is_symmetric': False
}

5. 遍历类

>>> root.preorder
[Node(1), Node(2), Node(4), Node(8), Node(9), Node(5), Node(10), Node(11),
Node(3), Node(6), Node(12), Node(13), Node(7), Node(14), Node(15)]
>>> root.inorder
[Node(8), Node(4), Node(9), Node(2), Node(10), Node(5), Node(11), Node(1),
Node(12), Node(6), Node(13), Node(3), Node(14), Node(7), Node(15)]
>>> root.postorder
[Node(8), Node(9), Node(4), Node(10), Node(11), Node(5), Node(2), Node(12),
Node(13), Node(6), Node(14), Node(15), Node(7), Node(3), Node(1)]
>>> root.levelorder
[Node(1), Node(2), Node(3), Node(4), Node(5), Node(6), Node(7), Node(8),
Node(9), Node(10), Node(11), Node(12), Node(13), Node(14), Node(15)]
>>>
>>> root.left.levelorder
[Node(2), Node(4), Node(5), Node(8), Node(9), Node(10), Node(11)]
>>> root.right.left.preorder
[Node(6), Node(12), Node(13)]
>>>

6. .svg() 二叉树的矢量图

>>> root.svg()
'\n<svg width="384" height="240" xmlns="http://www.w3.org/2000/svg">\n<style>
\n    .value {\n        font: 300 16px sans-serif;\n        text-align: center;
\n        dominant-baseline: middle;\n        text-anchor: middle;\n    }
\n    .node {\n        fill: lightgray;\n        stroke-width: 1;\n    }
\n</style>\n<g stroke="#000000">\n ...... ...... 略去N行
>>>
>>> f = open('d:\\myBiTree.svg','w')
>>> f.write(root.svg())
2434
>>> f.close()
>>>

可以输出后缀为.svg 的文本文件,一种矢量图的超文本表达文件,大部分浏览器可以直接查看;也可下载 Inkscape 等软件来编辑。输出效果如下:

Python初识二叉树续之实战binarytree

7.  .clone()  克隆一棵二叉树的全部或者部分

>>> from binarytree import tree
>>> a = tree()
>>> a.pprint()

____13______
      /            \
 ____2            __14
/     \          /    \
12      0        6      11
 \      \      / \       \
  10     4    8   9       3

>>> b = a.clone()
>>> b.pprint()

____13______
      /            \
 ____2            __14
/     \          /    \
12      0        6      11
 \      \      / \       \
  10     4    8   9       3

>>> c = b.right.clone()
>>> c.pprint()

__14
  /    \
 6      11
/ \       \
8   9       3

>>>

8.  .validate() 判断二叉树是否有效,正常返回None,有三种情况会抛出相应错误:

NodeTypeError: 如果节点不是Node(i)

NodeValueError: 如果节点值不是数字,如Node(i)中的参数i不为int或float

noderReferenceError: 如果二叉树中存在对节点的循环引用

随机二叉树函数 tree()

指定层数,随机创建一棵二叉树。

函数原型:tree(height: int = 3, is_perfect: bool = False) 

两个参数:层数height, 范围 0 ~ 9,最多创建 9 层,缺省值 3

是否满二叉树is_perfect,缺省值False,即非满二叉树

创建几个随机二叉树吧:

>>> import binarytree as bt
>>> a=bt.tree()
>>> a.pprint()

_8____
    /      \
   10     __3___
  /      /      \
 7      4       _6
/        \     /  \
1          9   12   14

>>> b=bt.tree(4)
>>> b.pprint()

____________8______
                 /                   \
          ______30________        ____4__
         /                \      /       \
    ____5___            ___17   10        1___
   /        \          /          \      /    \
 _22        _28      _7            19   0     _6
/   \      /        /  \                     /
20    12   18       23   15                  13

>>> c=bt.tree(is_perfect=True)
>>> c.pprint()

_______12______
        /               \
   ____2___            __14__
  /        \          /      \
 13        _0        5        6
/  \      /  \      / \      / \
8    11   10   9    7   3    1   4

>>> a.height,b.height,c.height
(3, 4, 3)
>>> a.levels
[[Node(8)],
[Node(10), Node(3)],
[Node(7), Node(4), Node(6)],
[Node(1), Node(9), Node(12), Node(14)]
]
>>> len(a.levels)
4
>>> # 注意: 层数levels = .height + 1

创建一个3层随机的满二叉树,再用正整数序列赋值到每个节点

>>> from binarytree import tree
>>> root = tree(is_perfect=True)
>>> root.pprint()

________5________
      /                 \
   __9___            ____12__
  /      \          /        \
 0       _13       11         4
/ \     /   \     /  \       / \
1   6   10    2   3    14    8   7

>>> tmpAssign = [exec(f'root[{i-1}].val={i}') for i in range(1,16)]
>>> root.pprint()

________1________
      /                 \
   __2___             ___3___
  /      \           /       \
 4       _5        _6        _7
/ \     /  \      /  \      /  \
8   9   10   11   12   13   14   15

>>> [i.value for i in root]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
>>> root[0],root[0].value
(Node(1), 1)
>>> root[1],root[1].value
(Node(2), 2)
>>> root[2];root[2].value
Node(3)
3
>>> root[14];root[14].value
Node(15)
15
>>>

或者其它层数的:

import binarytree as bt
Levels = 3
t = bt.tree(Levels-1, is_perfect=True)
for i in range(2**Levels-1):
   t[i].val = i+1
t.pprint()

L = 4
a = bt.tree(L-1, is_perfect=True)
lst = [*range(1,2**L)]
for i,n in enumerate(lst):
   a[i].val = n
a.pprint()

L = 5
b = bt.tree(L-1, is_perfect=True)
for i,n in enumerate([*range(1,len(b)+1)]):
   b[i].val = n
b.pprint()

'''
   __1__
  /     \
 2       3
/ \     / \
4   5   6   7
       ________1________
      /                 \
   __2___             ___3___
  /      \           /       \
 4       _5        _6        _7
/ \     /  \      /  \      /  \
8   9   10   11   12   13   14   15
                   ____________________1____________________
                  /                                         \
         ________2_________                         _________3_________
        /                  \                       /                   \
    ___4___             ____5___              ____6___              ____7___
   /       \           /        \            /        \            /        \
 _8        _9        _10        _11        _12        _13        _14        _15
/  \      /  \      /   \      /   \      /   \      /   \      /   \      /   \
16   17   18   19   20    21   22    23   24    25   26    27   28    29   30    31
'''

给满二叉树&ldquo;仿房间号&rdquo;赋值:

import binarytree as bt
Level = 6
t = bt.tree(Level-1, is_perfect=True)
for i in range(Level):
for j in range(2**i):
n = 2
#n = len(str(2**i))+1
t[2**i+j-1].val=(i+1)*10**n+j+1

t.pprint()

'''
                                                              _____________________________________________________________101_____________________________________________________________
                                                             /                                                                                                                             \
                              _____________________________201_____________________________                                                                   _____________________________202_____________________________
                             /                                                             \                                                                 /                                                             \
              _____________301_____________                                   _____________302_____________                                   _____________303_____________                                   _____________304_____________
             /                             \                                 /                             \                                 /                             \                                 /                             \
      _____401_____                   _____402_____                   _____403_____                   _____404_____                   _____405_____                   _____406_____                   _____407_____                   _____408_____
     /             \                 /             \                 /             \                 /             \                 /             \                 /             \                 /             \                 /             \
  _501_           _502_           _503_           _504_           _505_           _506_           _507_           _508_           _509_           _510_           _511_           _512_           _513_           _514_           _515_           _516_
 /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \         /     \
601     602     603     604     605     606     607     608     609     610     611     612     613     614     615     616     617     618     619     620     621     622     623     624     625     626     627     628     629     630     631     632
'''

用指定列表赋值给满二叉树:

>>> from binarytree import tree
>>> data = [15,0,7,2,6,4,3,1,5,6,7,9,34,23,8]
>>> root = tree(is_perfect=True)
>>> root.pprint()

_______10______
       /               \
   ___8___            __12___
  /       \          /       \
 14       _1        4        _3
/  \     /  \      / \      /  \
5    2   13   9    0   6    11   7

>>> tmpAssign = [exec(f'root[{i}].val={n}') for i,n in enumerate(data)]
>>> root.pprint()

______15_______
      /               \
   __0__            ___7___
  /     \          /       \
 2       6        4        _3
/ \     / \      / \      /  \
1   5   6   7    9   34   23   8

>>> [i.value for i in root] == data
True
>>>

给非满二叉树赋值:

>>> from binarytree import tree
>>> root = tree()
>>> root.pprint()

_________13__
/             \
14__            3__
   \          /   \
    11       9     0
   /  \           / \
  5    10        2   6

>>> [exec(f'root[{i}].val={n}') for i,n in enumerate([*range(1,16)])]
Traceback (most recent call last):
 File "<pyshell#237>", line 1, in <module>
   [exec(f'root[{i}].val={n}') for i,n in enumerate([*range(1,16)])]
 File "<pyshell#237>", line 1, in <listcomp>
   [exec(f'root[{i}].val={n}') for i,n in enumerate([*range(1,16)])]
 File "<string>", line 1, in <module>
 File "D:\Python38-32\lib\site-packages\binarytree\__init__.py", line 350, in __getitem__
   raise NodeNotFoundError("node missing at index {}".format(index))
binarytree.exceptions.NodeNotFoundError: node missing at index 3
>>> root[2]
Node(3)
>>> root[3]
Traceback (most recent call last):
 File "<pyshell#238>", line 1, in <module>
   root[3]
 File "D:\Python38-32\lib\site-packages\binarytree\__init__.py", line 350, in __getitem__
   raise NodeNotFoundError("node missing at index {}".format(index))
binarytree.exceptions.NodeNotFoundError: node missing at index 3
>>> root[4]
Node(11)
>>>

使用上面用到过的办法来&ldquo;依葫芦画瓢&rdquo;,结果程序出错。

原因在于:非满二叉树相对于满二叉树&ldquo;缺失&rdquo;的节点索引号是跳空的。

正如上面的测试所示:root[2],root[4]之间的 root[3]并不存在。代码修改如下:

>>> from binarytree import tree
>>> root = tree()
>>> root.pprint()

______5__
     /         \
    13___       0__
   /     \     /   \
 _3      _6   7     12
/       /          /  \
10      14         9    2

>>> 15 - len(root)
4   # 比满树少4个节点
>>> for i in range(15):
try:
root[i].val=i+1
except:
pass

>>> root.pprint()

_____1__
    /        \
   2___       3___
  /    \     /    \
 4     _5   6     _7
/     /          /  \
8     10         14   15

>>> # 跳空:9 11 12 13
>>>

续上面的节点结构,重新赋值使得层序遍历出的数值连续:

>>> t = 0
>>> for i in range(15):
try:
t+=1
root[i].val=t
except:
t-=1

>>> root.pprint()

____1__
    /       \
   2__       3___
  /   \     /    \
 4     5   6     _7
/     /         /  \
8     9         10   11

>>> [i.value for i in root]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
>>> root.levelorder
[Node(1), Node(2), Node(3), Node(4), Node(5), Node(6),
Node(7), Node(8), Node(9), Node(10), Node(11)]
>>>

用列表创建二叉树的函数 build()

函数原型:build(values: List[Union[float, int]])

一个参数:实数组成的列表

上面操练Node(),tree()函数时,都练习过用指定列表给二叉树赋值。那只是为了操练而操练的,因为用build()函数非常方便,一步到位:

>>> from binarytree import build
>>> root = build([*range(1,16)])
>>> root.pprint()

________1________
      /                 \
   __2___             ___3___
  /      \           /       \
 4       _5        _6        _7
/ \     /  \      /  \      /  \
8   9   10   11   12   13   14   15

>>>

列表元素个数少于节点数时,后面的叶子自动为空:

>>> from binarytree import build
>>> root = build([*range(1,10)])
>>> root.pprint()

__1__
      /     \
   __2       3
  /   \     / \
 4     5   6   7
/ \
8   9

>>>

树中间的节点为空,只要把列表对应的元素置为None:

>>> from binarytree import build
>>> data = [15,0,7,2,6,4,None,1,5,8,9,None,10]
>>> root = build(data)
>>> root.pprint()

______15_____
      /             \
   __0__          ___7
  /     \        /
 2       6      4
/ \     / \      \
1   5   8   9      10

>>>

注:给定列表的0号索引的元素一定不能为空,根节点为空列表之后元素将无处安放。另外已经置空的节点下的对应索引号也要置为None,如上面的root根节点下没 root.right.right 节点的, 所以如果要给data增加非None元素的话,程序也会出错。测试代码如下:

>>> from binarytree import build
>>> data = [15,0,7,2,6,4,None,1,5,8,9,None,10] + [3]
>>> build(data)
Traceback (most recent call last):
 File "<pyshell#7>", line 1, in <module>
   build(data)
 File "D:\Python\lib\site-packages\binarytree\__init__.py", line 2132, in build
   raise NodeNotFoundError(
binarytree.exceptions.NodeNotFoundError: parent node missing at index 6
>>>
>>> # 正确的元素添加,如下: 空索引的地方相应插入None
>>>
>>> data = [15,0,7,2,6,4,None,1,5,8,9,None,10]
>>> data += [None,None,3,11,12,13,14,16,17,18,None,None,19,20]
>>> root = build(data)
>>> root.pprint()

__________________15___________
                 /                               \
        ________0________                _________7
       /                 \              /
   ___2___             ___6___         4___
  /       \           /       \            \
 1        _5        _8        _9           _10
/ \      /  \      /  \      /  \         /   \
3   11   12   13   14   16   17   18      19    20

>>>

build2()

用法基本与build()相同,但它的参数允许更紧凑的列表,因为它的同一层节点中如果最后连续为空只要一个&ldquo;None&rdquo;。两者的区别有点像上面在二叉树方法属性一节里提到的(已红色标注):values 和 values2的区别。请看如下测试代码:

>>> root1 = build([2, 5, None,3,None,None, None, 1, 4])
>>> root1.pprint()

2
      /
   __5
  /
 3
/ \
1   4

>>> # build()能用的列表,build2()不一定通用:
>>> root1 = build2([2, 5, None,3,None,None, None, 1, 4])
Traceback (most recent call last):
 File "<pyshell#10>", line 1, in <module>
   root1 = build2([2, 5, None,3,None,None, None, 1, 4])
 File "D:\Python\lib\site-packages\binarytree\__init__.py", line 2194, in build2
   node = queue.popleft()
IndexError: pop from an empty deque
>>>
>>> # build2()正确的列表参数:
>>> root2 = build2([2, 5, None,3,None, 1, 4])
>>> root2.pprint()

2
      /
   __5
  /
 3
/ \
1   4

>>>

bst() heap()

用法基本上与 tree() 相同,参数也是:层数(0~9); is_perfect = False(默认值)
返回值:分别是特殊的二叉树 bst 和 heap;另heap()多一个参数 is_max = True(默认值)

>>> from binarytree import bst
>>> root = bst()
>>> root.height
3
>>> root.is_bst
True
>>> root.pprint()

10______
      /        \
   __8      ____14
  /        /
 6        12
/ \         \
4   7         13

>>>
>>> from binarytree import heap
>>> root = heap()
>>> root.height
3
>>> root.is_max_heap
True
>>> root.pprint()

________14____
      /              \
   __12__             11
  /      \           /  \
 8        10        3    9
/ \      /  \      /
0   4    6    1    2

>>>
>>> root = heap(4, is_max=False)
>>> root.height
4
>>> root.is_min_heap
True
>>>
>>> root = heap(5, is_max=False, is_perfect=True)
>>> root.height
5
>>> root.is_min_heap
True
>>> root.is_perfect
True

tree() 也能造出bst 和 heap 来,只是用循环来多花点时间:

>>> from binarytree import bst, heap
>>> bst1 = tree()
>>> while not bst1.is_bst:
bst1 = tree()

>>> bst1.pprint()

1____
    \
   __14
  /
 2
  \
   5

>>> heap1 = tree()
>>> while not heap1.is_max_heap:
heap1 = tree()

>>> heap1.pprint()

________14_____
      /               \
   __12__             _13
  /      \           /   \
 6        10        11    3
/ \      /  \      /
2   0    1    4    9

>>> heap2 = tree()
>>> while not heap2.is_min_heap:
heap2 = tree()

>>> heap2.pprint()

________0___
      /            \
   __3___          _1
  /      \        /  \
 7       _4      11   2
/ \     /  \
9   8   10   13

>>>

获取双亲节点函数 get_parent()

get_parent(root: binarytree.Node, child: binarytree.Node)

给定子节点,返回它在根节点下的上一层级的节点

>>> from binarytree import tree, get_parent
>>> root = tree()
>>> print(root)

______8__
    /         \
   7           1
  / \         /
 6   10      5
/      \
9        11

>>> print(get_parent(root,root.left.left))

7
  / \
 6   10
/      \
9        11

>>> get_parent(root,root.left.left) == get_parent(root,root.left.right)
True
>>>

来源:https://blog.csdn.net/boysoft2002/article/details/119066127

标签:python,binarytree,二叉树
0
投稿

猜你喜欢

  • 产品列表到底应该怎么做?

    2009-01-02 16:34:00
  • Python线程之定位与销毁的实现

    2023-09-25 11:47:19
  • Python列表list常用内建函数实例小结

    2021-08-07 02:17:15
  • python web.py启动https端口的方式

    2021-10-20 11:33:44
  • asp如何用数据库制作一个多用户版的计数器?

    2010-06-16 09:51:00
  • pytorch实现查看当前学习率

    2022-05-29 06:02:04
  • 运行asp.net时出现 http错误404-文件或目录未找到

    2023-07-24 01:53:36
  • MySQL 实现lastInfdexOf的功能案例

    2024-01-20 15:16:51
  • 如何使用PHP中的字符串函数

    2024-05-11 10:01:52
  • Python3使用SMTP发送带附件邮件

    2022-02-10 12:05:53
  • gearman + mysql方式实现持久化操作示例

    2024-01-16 14:00:22
  • Golang实现常见排序算法的示例代码

    2024-02-16 12:49:10
  • 网站前端和后台性能优化的34条宝贵经验和方法

    2024-01-21 19:29:54
  • python中multiprosessing模块的Pool类中的apply函数和apply_async函数的区别

    2023-03-21 20:23:37
  • python中resample函数实现重采样和降采样代码

    2022-10-24 05:49:23
  • Golang中Interface接口的三个特性

    2024-04-23 09:35:46
  • ASP从数据库中获取下载文件

    2007-10-06 21:17:00
  • Sql学习第四天——SQL 关于with cube,with rollup和grouping解释及演示

    2024-01-26 03:41:13
  • jupyternotebook 撤销删除的操作方式

    2021-04-06 22:12:01
  • MySQL UPDATE delete 语句的速度

    2008-03-12 12:22:00
  • asp之家 网络编程 m.aspxhome.com