Python编程实现二叉树及七种遍历方法详解

本文实例讲述了Python实现二叉树及遍历方法。分享给大家供大家参考，具体如下：

介绍：

树是数据结构中非常重要的一种，主要的用途是用来提高查找效率，对于要重复查找的情况效果更佳，如二叉排序树、FP-树。另外可以用来提高编码效率，如哈弗曼树。

代码：

用Python实现树的构造和几种遍历算法，虽然不难，不过还是把代码作了一下整理总结。实现功能：

① 树的构造
② 递归实现先序遍历、中序遍历、后序遍历
③ 堆栈实现先序遍历、中序遍历、后序遍历
④ 队列实现层次遍历

#coding=utf-8
class Node(object):
 """节点类"""
 def __init__(self, elem=-1, lchild=None, rchild=None):
   self.elem = elem
   self.lchild = lchild
   self.rchild = rchild
class Tree(object):
 """树类"""
 def __init__(self):
   self.root = Node()
   self.myQueue = []
 def add(self, elem):
   """为树添加节点"""
   node = Node(elem)
   if self.root.elem == -1: # 如果树是空的，则对根节点赋值
     self.root = node
     self.myQueue.append(self.root)
   else:
     treeNode = self.myQueue[0] # 此结点的子树还没有齐。
     if treeNode.lchild == None:
       treeNode.lchild = node
       self.myQueue.append(treeNode.lchild)
     else:
       treeNode.rchild = node
       self.myQueue.append(treeNode.rchild)
       self.myQueue.pop(0) # 如果该结点存在右子树，将此结点丢弃。
 def front_digui(self, root):
   """利用递归实现树的先序遍历"""
   if root == None:
     return
   print root.elem,
   self.front_digui(root.lchild)
   self.front_digui(root.rchild)
 def middle_digui(self, root):
   """利用递归实现树的中序遍历"""
   if root == None:
     return
   self.middle_digui(root.lchild)
   print root.elem,
   self.middle_digui(root.rchild)
 def later_digui(self, root):
   """利用递归实现树的后序遍历"""
   if root == None:
     return
   self.later_digui(root.lchild)
   self.later_digui(root.rchild)
   print root.elem,
 def front_stack(self, root):
   """利用堆栈实现树的先序遍历"""
   if root == None:
     return
   myStack = []
   node = root
   while node or myStack:
     while node:           #从根节点开始，一直找它的左子树
       print node.elem,
       myStack.append(node)
       node = node.lchild
     node = myStack.pop()      #while结束表示当前节点node为空，即前一个节点没有左子树了
     node = node.rchild         #开始查看它的右子树
 def middle_stack(self, root):
   """利用堆栈实现树的中序遍历"""
   if root == None:
     return
   myStack = []
   node = root
   while node or myStack:
     while node:           #从根节点开始，一直找它的左子树
       myStack.append(node)
       node = node.lchild
     node = myStack.pop()      #while结束表示当前节点node为空，即前一个节点没有左子树了
     print node.elem,
     node = node.rchild         #开始查看它的右子树
 def later_stack(self, root):
   """利用堆栈实现树的后序遍历"""
   if root == None:
     return
   myStack1 = []
   myStack2 = []
   node = root
   myStack1.append(node)
   while myStack1:          #这个while循环的功能是找出后序遍历的逆序，存在myStack2里面
     node = myStack1.pop()
     if node.lchild:
       myStack1.append(node.lchild)
     if node.rchild:
       myStack1.append(node.rchild)
     myStack2.append(node)
   while myStack2:             #将myStack2中的元素出栈，即为后序遍历次序
     print myStack2.pop().elem,
 def level_queue(self, root):
   """利用队列实现树的层次遍历"""
   if root == None:
     return
   myQueue = []
   node = root
   myQueue.append(node)
   while myQueue:
     node = myQueue.pop(0)
     print node.elem,
     if node.lchild != None:
       myQueue.append(node.lchild)
     if node.rchild != None:
       myQueue.append(node.rchild)
if __name__ == '__main__':
 """主函数"""
 elems = range(10)      #生成十个数据作为树节点
 tree = Tree()     #新建一个树对象
 for elem in elems:
   tree.add(elem)      #逐个添加树的节点
 print '队列实现层次遍历:'
 tree.level_queue(tree.root)
 print '\n\n递归实现先序遍历:'
 tree.front_digui(tree.root)
 print '\n递归实现中序遍历:'
 tree.middle_digui(tree.root)
 print '\n递归实现后序遍历:'
 tree.later_digui(tree.root)
 print '\n\n堆栈实现先序遍历:'
 tree.front_stack(tree.root)
 print '\n堆栈实现中序遍历:'
 tree.middle_stack(tree.root)
 print '\n堆栈实现后序遍历:'
 tree.later_stack(tree.root)

总结：

树的遍历主要有两种，一种是深度优先遍历，像前序、中序、后序；另一种是广度优先遍历，像层次遍历。在树结构中两者的区别还不是非常明显，但从树扩展到有向图，到无向图的时候，深度优先搜索和广度优先搜索的效率和作用还是有很大不同的。

深度优先一般用递归，广度优先一般用队列。一般情况下能用递归实现的算法大部分也能用堆栈来实现。

我印象中是有递归构造树的方法，却一直想不出该怎么构造。后来仔细想了一下，递归思想有点类似深度优先算法，而树的构造应该是广度优先的。如果用递归的话一定要有个终止条件，例如规定树深等。不然构造出来的树会偏向左单子树或者右单子树。所以一般树的构造还是应该用队列比较好。

以上说的不够严谨，有错误之处，欢迎指正！

希望本文所述对大家Python程序设计有所帮助。