C++數據結構二叉搜索樹的實現應用與分析

⭐️博客代碼已上傳至gitee:https://gitee.com/byte-binxin/cpp-class-code

🌏概念

二叉搜索樹又稱為二叉排序書,因為這棵樹的中序遍歷是有序的。二叉搜索樹總結起來有以下幾個性質:

  • 若它的左子樹不為空,則左子樹上所有節點的值都小於根節點的值
  • 若它的右子樹不為空,則右子樹上所有節點的值都大於於根節點的值
  • 它的左右子樹都是二叉搜索樹
  • 這棵樹中沒有重復的元素

🌏二叉搜索樹的實現

🌲基本框架

由一個節點的成員構成,先構建節點的類型,和我們之前數據結構中的二叉樹的節點定義是一樣的。二叉搜索樹的根節點先默認給空。

template <class K, class V>
struct BSTNode
{
	BSTNode<K, V>* _left;
	BSTNode<K, V>* _right;
	K _key;
	V _value;

	BSTNode(const K& key, const V& value)
		:_left(nullptr)
		, _right(nullptr)
		, _key(key)
		,_value(value)
	{}
};
template <class K, class V>
class BSTree //Binary Search Tree
{
	typedef BSTNode<K, V> Node;
private:
	Node* _root = nullptr;
};

🌲二叉搜索樹的插入

插入分為下面幾個步驟:

  • 先判斷樹是否為空,為空就讓要插入的這個節點作為根節點,然後結束
  • 部署就確定要插入節點的位置
  • 用一個cur記錄當前節點,parent記錄父節點
  • 要插入節點的值如果比當前節點的值小,cur就往左走,如果比當前節點的值大,就往右子樹走,如果等於就返回false,表面這棵樹中有這個數據,不需要插入。

下面是一個簡單的動圖演示

請添加圖片描述

註意: 這裡不用擔心新插入節點會在樹中間插入,它一定是在最下面插入的,它會走到最下面,然後在樹的底部插入。

代碼實現如下:

bool Insert(const K& key, const V& value)
{
	// 沒有節點時第一個節點就是根節點
	if (_root == nullptr)
	{
		_root = new Node(key, value);
		return true;
	}

	// 用一個父親節點記錄cur的上一個節點
	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		parent = cur;
		// 小於往左邊走
		if (key < cur->_key)
			cur = cur->_left;
		else if (key > cur->_key)
			cur = cur->_right;
		else
			return false;// 已有的節點不插入,此次插入失敗
	}

	cur = new Node(key, value);
	// 判斷應該插在父節點的左邊還是右邊
	if (cur->_key < parent->_key)
	{
		parent->_left = cur;
	}
	else
	{
		parent->_right = cur;
	}

	return true;
}

為瞭更好地觀察這棵樹插入後是否有效,我們可以實現一個中序遍歷,將其打印出來。 中序遍歷代碼如下:

void InOrder()
{
	// 利用子函數遍歷
	_InOrder(_root);
	cout << endl;
}
void _InOrder(Node* root)
{
	if (root == nullptr)
		return;

	_InOrder(root->_left);
	cout << root->_key << ":" << root->_value << endl;
	_InOrder(root->_right);
}

測試代碼如下:

void TestBSTree()
{
	BSTree<int> bt;
	int arr[] = { 5,3,4,1,7,8,2,6,0,9 };
	//int arr[] = { 1,2,3,4 };
	//int arr[] = { 4,3,2,1};
	for (auto e : arr)
	{
		bt.Insert(e);
	}

	bt.InOrder();
}

代碼運行結果如下:

🌲二叉搜索樹的查找

查找的步驟如下:(和插入的步驟有些類似)

  • 如果查找值key比當前節點的值小,就往左子樹走
  • 如果查找值key比當前節點的值大,就往右子樹走
  • 如果查找值key和當前節點的值相等,就返回當前節點的指針

代碼實現如下:

Node* Find(const K& key)
{
	if (_root == nullptr)
		return nullptr;
	Node* cur = _root;
	while (cur)
	{
		// 小於往左邊走
		if (key < cur->_key)
			cur = cur->_left;
		else if (key > cur->_key)
			cur = cur->_right;
		else
			return cur;
	}

	return nullptr;
}

🌲二叉搜索樹的刪除(重點)

二叉搜索樹的刪除相對來說會復雜一些,下面我要給大傢分析一下。 有四種情況 先看下面這棵樹,分別對以下四個節點進行刪除會發生什麼(如何處理)?

  • 刪除節點1時,它的左右都為空,可以直接刪除
  • 刪除節點2時,它的左不為空右為空,刪除方法如下:

還要分析一種特殊的情況,就是此時2沒有父親節點,也就是自己為根時,看下面如何操作

  • 刪除節點7時,它的左為為右不為空,刪除方法如下:

和情況2一樣,該節點如果為根節點,就讓自己的右孩子變成根節點。

  • 左右都不為空(替代法)

這種情況我們采用替代法來解決,替代法就是找一個節點和現在這個節點交換,然後轉移為上面的情況,具體如下: 我們可以選擇用左子樹的最右節點(左子樹最大的節點)或右子樹的最左節點(右子樹的最小節點)和當前節點互換,然後刪除互換後的節點,這裡我們統一采用用右子樹的最右節點來進行替換。

然後這裡可以轉化為情況3來對節點進行刪除,因為所有的最左孩子一定是左為空,右是不確定的。

總結: 一共有四種情況,但是情況1可以歸為情況3,因為它也是左為空,所以整體處理下來是三種情況。

代碼實現如下:

bool Erase(const K& key)
{
		// 如果樹為空,刪除失敗
		if (_root == nullptr)
			return false;

		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			// 小於往左邊走
			if (key < cur->_key)
			{
				parent = cur;
				cur = cur->_left;
			}
			else if (key > cur->_key)
			{
				parent = cur;
				cur = cur->_right;
			}
			else
			{
				// 找到瞭,開始刪除
				// 1.左右子樹都為空 直接刪除  可以歸類為左為空
				// 2.左右子樹隻有一邊為空  左為空,父親指向我的右,右為空,父親指向我的左  
				// 3.左右子樹都不為空  取左子樹最大的節點或右子樹最小的節點和要刪除的節點交換,然後再刪除
				if (cur->_left == nullptr)
				{
					// 要刪除節點為根節點時,直接把右子樹的根節點賦值給——root
					// 根節點的話會導致parent為nullptr
					if (_root == cur)
					{
						_root = _root->_right;
					}
					else
					{
						// 左為空,父親指向我的右
						// 判斷cur在父親的左還是右
						if (parent->_left == cur) // cur->_key < parent->_key
							parent->_left = cur->_right;
						else
							parent->_right = cur->_right;
					}

					delete cur;
					cur = nullptr;
				}
				else if (cur->_right == nullptr)
				{
					if (_root == cur)
					{
						_root = _root->_left;
					}
					else
					{
						// 右為空,父親指向我的左
						// 判斷cur在父親的左還是右
						if (parent->_left == cur)
							parent->_left = cur->_left;
						else
							parent->_right = cur->_left;
					}

					delete cur;
					cur = nullptr;
				}
				else
				{
					// 找右子樹中最小的節點
					Node* rightMinParent = cur;
					Node* rightMin = cur->_right;// 去右子樹找
					while (rightMin->_left)
					{
						rightMinParent = rightMin;
						rightMin = rightMin->_left;
					}
					//swap(cur->_key, rightMin->_key);
					// 替代刪除
					cur->_key = rightMin->_key;

					// 轉換成瞭第一種情況  左為空
					if (rightMinParent->_left == rightMin)
						rightMinParent->_left = rightMin->_right;
					else
						rightMinParent->_right = rightMin->_right;


					delete rightMin;
					rightMin = nullptr;
				}
				return true;
			}
		}

		return false;
	}

測試代碼如下:(要測試每種情況,還有測試刪空的情況)

void TestBSTree()
{
	BSTree<int> bt;
	int arr[] = { 5,3,4,1,7,8,2,6,0,9 };
	for (auto e : arr)
	{
		cout << "插入 " << e << " 後:";
		bt.Insert(e);
		bt.InOrder();
	}
	
	cout << "------------------------------" << endl;
	for (auto e : arr)
	{
		cout << "刪除 " << e << " 後:";
		bt.Erase(e);
		bt.InOrder();
	}

}

代碼運行結果如下:

🌏二叉搜索樹的應用

二叉搜索樹有兩種模型:

  • K模型: K模型隻有key值,節點隻存儲key值。這裡主要應用就是查找判斷某個元素在不在。
  • KV模型: KV模型每個key值都對應著一個value,主要應用就是通過key找value。(我們平時查找單詞就是通過中文找英文,或者通過英文找中文)

下面我把上面的K模型的代碼簡單改造一下,實現KV模型:(這裡沒有使用傳鍵值對的方法,之後的博客我會給大傢介紹,這裡使用傳兩個值的方式)

template <class K, class V>
struct BSTNode
{
BSTNode<K, V>* _left;
BSTNode<K, V>* _right;
K _key;
V _value;

BSTNode(const K& key, const V& value)
	:_left(nullptr)
	, _right(nullptr)
	, _key(key)
	,_value(value)
{}
};
template <class K, class V>
class BSTree //Binary Search Tree
{
typedef BSTNode<K, V> Node;
public:
~BSTree()
{
	Node* cur = _root;
	while (cur)
	{
		Erase(cur->_key);
		cur = _root;
	}
}
Node* Find(const K& key)
{
	if (_root == nullptr)
		return nullptr;
	Node* cur = _root;
	while (cur)
	{
		// 小於往左邊走
		if (key < cur->_key)
			cur = cur->_left;
		else if (key > cur->_key)
			cur = cur->_right;
		else
			return cur;
	}

	return nullptr;
}
bool Insert(const K& key, const V& value)
{
	// 沒有節點時第一個節點就是根節點
	if (_root == nullptr)
	{
		_root = new Node(key, value);
		return true;
	}

	// 用一個父親節點記錄cur的上一個節點
	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		parent = cur;
		// 小於往左邊走
		if (key < cur->_key)
			cur = cur->_left;
		else if (key > cur->_key)
			cur = cur->_right;
		else
			return false;// 已有的節點不插入,此次插入失敗
	}

	cur = new Node(key, value);
	// 判斷應該插在父節點的左邊還是右邊
	if (cur->_key < parent->_key)
	{
		parent->_left = cur;
	}
	else
	{
		parent->_right = cur;
	}

	return true;
}
bool Erase(const K& key)
{
	// 如果樹為空,刪除失敗
	if (_root == nullptr)
		return false;

	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		// 小於往左邊走
		if (key < cur->_key)
		{
			parent = cur;
			cur = cur->_left;
		}
		else if (key > cur->_key)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
			// 找到瞭,開始刪除
			// 1.左右子樹都為空 直接刪除  可以歸類為左為空
			// 2.左右子樹隻有一邊為空  左為空,父親指向我的右,右為空,父親指向我的左  
			// 3.左右子樹都不為空  取左子樹最大的節點或右子樹最小的節點和要刪除的節點交換,然後再刪除
			if (cur->_left == nullptr)
			{
				// 要刪除節點為根節點時,直接把右子樹的根節點賦值給——root
				// 根節點的話會導致parent為nullptr
				if (_root == cur)
				{
					_root = _root->_right;
				}
				else
				{
					// 左為空,父親指向我的右
					// 判斷cur在父親的左還是右
					if (parent->_left == cur) // cur->_key < parent->_key
						parent->_left = cur->_right;
					else
						parent->_right = cur->_right;
				}

				delete cur;
				cur = nullptr;
			}
			else if (cur->_right == nullptr)
			{
				if (_root == cur)
				{
					_root = _root->_left;
				}
				else
				{
					// 右為空,父親指向我的左
					// 判斷cur在父親的左還是右
					if (parent->_left == cur)
						parent->_left = cur->_left;
					else
						parent->_right = cur->_left;
				}

				delete cur;
				cur = nullptr;
			}
			else
			{
				// 找右子樹中最小的節點
				Node* rightMinParent = cur;
				Node* rightMin = cur->_right;// 去右子樹找
				while (rightMin->_left)
				{
					rightMinParent = rightMin;
					rightMin = rightMin->_left;
				}
				//swap(cur->_key, rightMin->_key);
				// 替代刪除
				cur->_key = rightMin->_key;

				// 轉換成瞭第一種情況  左為空
				if (rightMinParent->_left == rightMin)
					rightMinParent->_left = rightMin->_right;
				else
					rightMinParent->_right = rightMin->_right;


				delete rightMin;
				rightMin = nullptr;
			}
			return true;
		}
	}

	return false;
}
void InOrder()
{
	// 利用子函數遍歷
	_InOrder(_root);
	cout << endl;
}
private:
void _InOrder(Node* root)
{
	if (root == nullptr)
		return;

	_InOrder(root->_left);
	cout << root->_key << ":" << root->_value << endl;
	_InOrder(root->_right);
}
private:
Node* _root = nullptr;
};

void TestBSTree_KV1()
{
// 創建一個簡易的字典
BSTree<string, string> dict;

dict.Insert("蘋果", "apple");
dict.Insert("排序", "sort");
dict.Insert("培養", "cultivate");
dict.Insert("通過", "pass");
dict.Insert("apple", "蘋果");
dict.Insert("sort", "排序");
dict.Insert("cultivate", "培養");
dict.Insert("pass", "通過");

string str;
while (cin >> str)
{
	BSTNode<string, string>* ret = dict.Find(str);
	if (ret)
	{
		cout << ret->_value << endl;
	}
	else
	{
		cout << "本字典無此詞" << endl;
	}
}

下面測試幾個應用: 實例1 英漢字典

void TestBSTree_KV1()
	{
		// 創建一個簡易的字典
		BSTree<string, string> dict;

		dict.Insert("蘋果", "apple");
		dict.Insert("排序", "sort");
		dict.Insert("培養", "cultivate");
		dict.Insert("通過", "pass");
		dict.Insert("apple", "蘋果");
		dict.Insert("sort", "排序");
		dict.Insert("cultivate", "培養");
		dict.Insert("pass", "通過");

		string str;
		while (cin >> str)
		{
			BSTNode<string, string>* ret = dict.Find(str);
			if (ret)
			{
				cout << ret->_value << endl;
			}
			else
			{
				cout << "本字典無此詞" << endl;
			}
		}
	}

代碼運行結果演示:

實例2: 統計樹

void TestBSTree_KV2()
{
	// 統計水果個數
	BSTree<string, int> countTree;

	string strArr[] = { "香蕉","水蜜桃","西瓜","蘋果","香蕉" ,"西瓜","香蕉" ,"蘋果","西瓜","蘋果","蘋果","香蕉" ,"水蜜桃" };

	for (auto e : strArr)
	{
		BSTNode<string, int>* ret = countTree.Find(e);
		if (ret == nullptr)
		{
			// 第一次插入
			countTree.Insert(e, 1);
		}
		else
		{
			ret->_value++;
		}
	}

	countTree.InOrder();
}

代碼運行結果如下:

🌏二叉樹性能分析

一般情況下,二叉搜索樹的插入和刪除的效率都是O(logN),極端情況會導致效率變成O(N)。

理想狀態: 完全二叉樹:O(logN)

極端情況: 一條鏈:O(1)

後面我要和大傢分析的AVL樹會利用旋轉,就可解決掉這種極端情況。

🌐總結

上面這些是二叉搜索樹的大致內容,其中刪除大傢可以好好理解一下,它後面還有兩棵樹我還沒有介紹,就是AVL樹和紅黑樹,在後面兩篇博客我都會介紹。今天就先到這瞭,喜歡的話,歡迎點贊支持~

到此這篇關於C++數據結構二叉搜索樹的實現應用與分析的文章就介紹到這瞭,更多相關C++ 二叉搜索樹內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: