python中树与树的表示知识点总结
一、什么是树
客观世界中许多事物存在层次关系
人类社会家谱社会组织结构图书信息管理
其中，人类社会家谱如下图所示：
通过上述所说的分层次组织，能够使我们在数据的管理上有更高的效率！那么，对于数据管理的基本操作——查找，我们如何实现有效率的查找呢？
二、查找
查找：根据某个给定关键字K，从集合R中找出关键字与K相同的记录
静态查找：集合中记录是固定的，即对集合的操作没有插入和删除，只有查找
动态查找：集合中记录是动态变化的，即对集合的操作既有查找，还可能发生插入和删除（动态查找不在我们考虑范围内）
2.1 静态查找 2.1.1 方法1：顺序查找
/* c语言实现 */
int SequentialSearch (StaticTable *Tbl, ElementType K)
{
// 在表Tbl[1]~Tb1[n]中查找关键字为K的数据元素
int i;
Tbl->Element[0] = K; // 建立哨兵，即没找到可以返回哨兵的索引0表示未找到
for (i = Tbl->Length; Tbl->Element[i] != K; i--); // 查找成功返回所在单元下标；不成功放回0
return i;
}
顺序查找算法的时间复杂度为O(n)
2.1.2 方法2：二分查找（Binary Search）
假设n个数据元素的关键字满足有序（比如：小到大），即\(k_1<k_2<\cdots<k_n\)，并且是连续存放（数组），那么可以进行二分查找。
例：假设有13个数据元素，按关键字由小到大顺序存放。二分查找关键字为444的数据元素过程如下图：
仍然以上面13个数据元素构成的有序线性表为例，二分查找关键字为43的数据元素如下图：
/* c语言实现 */
int BinarySearch (StaticTable *Tbl, ElementType K)
{
// 在表中Tbl中查找关键字为K的数据元素
int left, right, mid, NoFound = -1;
left = 1; // 初始左边界
right = Tbl->Length; // 初始右边界
while (left <= right)
{
mid = (left + right) / 2; // 计算中间元素坐标
if (K < Tbl->Element[mid]) right = mid - 1; // 调整右边界
else if (K > Tbl->Element[mid]) left = mid + 1; // 调整左边界
else return mid; // 查找成功，返回数据元素的下标
}
return NotFound; // 查找不成功，返回-1
}
# python语言实现
def binary_chop(alist, data):
n = len(alist)
first = 0
last = n - 1
while first <= last:
mid = (last + first) // 2
if alist[mid] > data:
last = mid - 1
elif alist[mid] < data:
first = mid + 1
else:
return True
return False
二分查找算法具有对数的时间复杂度O(logN)
二分查找算法虽然解决了查找的时间复杂度问题，但是对于数据的插入和删除确是O(n)的，因此有没有一种数据结构，既可以减少数据查找的时间复杂度，又可以减少数据的插入和删除的复杂度呢？
三、二分查找判定树
除了使用上述两个方法进行关键字的查找，我们还可以通过二叉树这种数据结构完成关键字的查找。
从上图可以看出，如果我们需要寻找数字8，可以通过以下4步实现（可能看不懂，未来会看得懂）：
根节点6小于8，往6的右子节点9找结点9大于8，往9的左子结点7找结点7小于8，往7的左子结点找找到8 判定树上每个结点需要的查找次数刚好为该结点所在的层数；查找成功时查找次数不会超过判定树的深度 N个结点的判定树的深度为\([log_2{n}]+1\) \(ASL = (4*4+4*3+2*2+1)/11 = 3\) 四、树的定义
树（Tree）：\(n(n\geq{0})\)个结点构成的有限集合。
当n=0时，称为空树对于任一颗非空树（n>0），它具备以下性质： 树中有一个称为根（Root）的特殊结点，用r表示其余结点可分为m（m>0）个互不相交的有限集\(T_1,T_2,\cdots,T_m\)，其中每个集合本身又是一棵树，称为原来树的子树（SubTree）
五、树与非树
牢记树有以下3个特性：
子树是不相交的；除了根结点外，每个结点有且仅有一个父结点；一颗N个结点的树有N-1条边 5.1 非树
5.2 树
六、树的一些基本术语
结点的度（Degree）：结点的子树个数树的度：树的所有结点中最大的度数叶结点（Leaf）： 度为0的结点父结点（Parent）：有子树的结点是其子树的根结点的父结点子结点（Child）：若A结点是B结点的父结点，则称B结点是A结点的子结点；子结点也称孩子结点
兄弟结点（Sibling）：具有同一父结点的各结点彼此是兄弟结点
路径和路径长度：从结点\(n_1\)到\(n_k\)的路径为一个结点序列\(n_1 , n_2 ,\cdots, n_k\) , \(n_i\)是\(n_{i+1}\)的父结点。路径所包含边的个数为路径的长度
祖先结点(Ancestor)：沿树根到某一结点路径上的所有结点都是这个结点的祖先结点
子孙结点(Descendant)：某一结点的子树中的所有结点是这个结点的子孙
结点的层次（Level）：规定根结点在1层，其它任一结点的层数是其父结点的层数加1
树的深度（Depth）：树中所有结点中的最大层次是这棵树的深度
七、树的表示
7.1 树的链表表示
上图所示树的链表表示法有很大的缺陷，假设树的深度非常大，并且不能保证所有树的子结点都有3个，那么会造成很大程度的浪费。
7.2 树的链表（儿子-兄弟）表示法
为了解决树的普通链表表示会有空间的浪费的缺陷，我们可以把链表的指针设置两个链接，一个链接指向儿子结点，另一个链接指向兄弟结点，如下图所示：
上图所示的树的表示方法，已经足够完美了，但是如果我们把链表表示的树旋转45°角，会发现如下图所示：
经过45°角的旋转，我们会发现一颗二叉树（一个结点至多拥有2个子结点的树），也就是说最普通的树其实可以通过二叉树表示，也就是说我们只要把二叉树研究透了，我们即研究透了树。
以上就是本次全部相关知识点内容，感谢大家的阅读和对我们的支持。