1.线索二叉树

上一篇二叉树中，我们介绍了基本的二叉树的结构。每一个父节点对应两个子节点，左子节点和右子节点。其中我们会看到，很多节点的左右节点都为null，为了更高效的存储和遍历，我们考虑一种方式将这些为null的节点利用起来。这就是线索二叉树的思想，将为null的左子节点指向遍历时的前驱节点，为null的右子节点指向遍历时的后续节点。如此一来，在遍历的过程中，我们便可以直接通过左右子节点，找到叶子节点的前驱和后驱，使用一条线完整的将整刻树串起来。

2.代码实现python

在实现的过程中，我们原来的Node类中需要添加两个标志位leftType和rightType.分别表示对应的节点是普通的子节点还是前驱后驱节点。实现过程如下：首先我们构建一棵树，然后使用中序遍历这树，使用pre变量记录前一个节点。对于当前节点左子节点为null的，将其左子节点指向pre节点；如果pre的右子节点也为null,将pre的右子节点指向当前节点；

然后进行遍历，先找到最下面的左子节点，如果该节点后后驱节点，则不断遍历其后驱节点。否则的话按照普通的中序遍历寻找下一个节点(),不断遍历直到找不到任何节点。则完成整棵树的遍历。

#-*- coding:utf-8 -*-
class Node(object):def __init__(self,val):self.val = valself.left = Noneself.right=None# 左节点类型 0表示左子节点 1表示后驱self.leftType = 0# 右节点类型 0表示右子节点 1表示后驱self.rightType = 0def show(self):print("遍历--当前节点为 = {}".format(self.val),end='\t')if self.left != None and self.leftType == 0:print("左子节点为 = {}".format(self.left.val),end='\t')if self.right != None and self.rightType == 0:print("右子节点为 = {}".format(self.right.val))if self.left != None and self.leftType == 1:print("前驱节点为 = {}".format(self.left.val),end='\t')if self.right != None and self.rightType == 1:print("后驱节点为 = {}".format(self.right.val))
class ThreadTree(object):def __init__(self):self.root = Noneself.pre = None#构建一棵基本的树def build(self,values):# 将每个元素转换为node节点nodes = [None if V is None else Node(V) for V in values]# 给根节点添加左右子节点for index in range(1, len(nodes)):parent_index = (index - 1) // 2parent = nodes[parent_index]if parent is None:raise Exception('parent node missing at index{}'.format(index))if index % 2 == 0:parent.right = nodes[index]else:parent.left = nodes[index]self.root = nodes[0]return nodes[0]#在中序遍历的过程中对每个节点中left,right为null的进行复制前驱后驱节点def threadedNode(self,node):if node == None:returnself.threadedNode(node.left)# 处理当前节点的的前驱节点if node.left == None:node.left = self.prenode.leftType = 1print("当前节点={}".format(node.val))if self.pre != None:print("前驱结点为 = {}".format(self.pre.val))if self.pre != None and self.pre.right == None:# 前驱节点的右指针指向当前节点self.pre.right = nodeself.pre.rightType = 1print("当前节点={},后驱结点为 = {}".format(self.pre.val, node.val))self.pre = nodeself.threadedNode(node.right)def mid_order(self,node):while node != None:while node.leftType == 0:node = node.leftif node != None:node.show()while node.rightType == 1:node = node.rightnode.show()node = node.right
threadTree = ThreadTree()
node = threadTree.build([1,2,3,4,5,6,7,8])
threadTree.threadedNode(node)
threadTree.mid_order(node)

3.线索二叉树总结

本文介绍了线索二叉树的原理及使用python实现的过程，最核心的思想就是利用了二叉树中为null的空指针，使这些指针指向前驱和后驱节点。

4.哈夫曼树

声明：本篇博客参考自哈夫曼树及其python实现。哈夫曼树又称为最优树、最优二叉树。其最优的体现就是使得所有节点的带权路径和最小，如图所示我们看到个节点中除了值之外，还有各自的权重信息。一个节点到另外一个节点所走过的节点称为路径，比如从根节点到c,需要经过50,29,14,6；带权路径长度是这么定义的:权重乘以其对应的路径数，比如下面图中的带权路径长度WPL为：9*2+12*2+15*2+6*3+3*4+5*4 = 122。我们的目标是使得带权路径长度最小，其实就是权重越大离根节点越近，这样保证总体的带权加和值最小。

接下来我们介绍一下实现的算法：对权重列表进行排序，每次选中权重最小的两个节点作为左右子节点生成一棵树，将其权重之和作为该树的根节点。从权重列表中将这两个叶子节点删除，并且将根节点的权重加入权重列表。不断的迭代上面的过程，直到只有一个根节点为止，整棵树生成结束。

哈夫曼编码：哈夫曼树由于其带权路径长度最短，并且每个节点到根节点点的路径都是唯一的，可以用来进行编码。这是一种不等长的编码方式，在很大程度上节省了空间。

我们统计每个字在文本中出现的此处，作为其权重，构建一棵哈夫曼树，规定每棵子树的左分支路径为0，右分支路径为1。这样找到节点对应的路径，便可以沿着路径对其进行编码。比如下面的a可以编码为00，b可以编码为01；

5.python代码实现

#-*- coding:utf-8 -*-
#节点类
class Node(object):def __init__(self,name=None,value=None):self._name=nameself._value=valueself._left=Noneself._right=None#哈夫曼树类
class HuffmanTree(object):#根据Huffman树的思想：以叶子节点为基础，反向建立Huffman树def __init__(self,char_weights):#将字典中所有的值 变成node数组self.a=[Node(part[0],part[1]) for part in char_weights]  #根据输入的字符及其频数生成叶子节点while len(self.a)!=1:#每次取权重最小的两个节点 生成父节点#这两个节点分别为左右节点self.a.sort(key=lambda node:node._value,reverse=True)c=Node(value=(self.a[-1]._value+self.a[-2]._value))c._left=self.a.pop()c._right=self.a.pop()self.a.append(c)self.root=self.a[0]self.b=list(range(10))          #self.b用于保存每个叶子节点的Haffuman编码,range的值只需要不小于树的深度就行#用递归的思想生成编码def huffmanEncode(self,tree,length):node=treeif (not node):returnelif node._name:print(node._name + '的编码为:',end='\t')for i in range(length):print(self.b[i],end='\t')print ('\n')returnself.b[length]=0self.huffmanEncode(node._left,length+1)self.b[length]=1self.huffmanEncode(node._right,length+1)#生成哈夫曼编码def get_code(self):self.huffmanEncode(self.root,0)if __name__=='__main__':#输入的是字符及其频数char_weights=[('a',5),('b',4),('c',10),('d',8),('f',15),('g',2)]tree=HuffmanTree(char_weights)tree.get_code()

6.哈夫曼树总结

上面我们介绍了哈夫曼树，也称为最优二叉树。其根本的思想是使得带权路径之和最小，即权重越大的节点离根节点越近。实现算法的思路是，从权重列表中每次选择两个最小权重的节点为左右节点，其和作为根节点构成一棵树。然后从权重列表中删除这两个节点，并加入他们的和。不断的迭代直到只剩下一个根节点。然后我们介绍了哈夫曼树的实际应用之一，哈夫曼编码。规定左分支为0，右分支为1，通过节点的路径上所有分支的值生成编码。这是一种不等长，但是却能够保证节点唯一性的编码方式。大大的节省了空间。

7. 这天界，我守得，也杀得！

这天界，我守得，也杀得！我连着熬了三天两夜，终于把琉璃看完了。看完以后特别的伤心，就跟失恋了一样。真的太喜欢袁冰妍小姐姐了，那种可爱的笑容世界上再没有第二个。请允许我借用《洛神赋》中的几句诗表达我对小姐姐的仰慕：翩若惊鸿，婉若游龙。荣曜秋菊，华茂春松。髣髴兮若轻云之蔽月，飘飖兮若流风之回雪。谁能够让我见到她，你就是我这辈子最大的恩人。今天还有一个不好的消息就是，我喜欢了四年半的女神结婚了。唉！当然会很伤心了。不过这又能说明什么呢？只不过是这一段时间我需要用很多其它的东西，占满自己的思绪，避免一个人想太多留太多的泪！只不过在这一辈子短短的几十年中她不属于我而已，这么想的话就觉得人生还是过得下去的。对于别人的东西，我从来都不会再有什么期待。现在的我，只期待冰妍小姐姐的下一部电视剧。

琉璃·战神-我曾背负众生妄-燃虐向

常用数据结构之线索二叉树和哈夫曼树相关推荐

【数据结构Note5】- 树和二叉树（知识点超细大全-涵盖常见算法排序二叉树线索二叉树平衡二叉树哈夫曼树）
文章目录 5.1 树和二叉树引入 5.1.1 树的概念 5.1.2 树的表示 5.1.3 树中基本术语 5.2 二叉树 5.2.1 概念 5.2.2 二叉树的性质 5.2.3 特殊的二叉树 5.2.4 ...
数据结构图文解析之：哈夫曼树与哈夫曼编码详解及C++模板实现
0. 数据结构图文解析系列数据结构系列文章数据结构图文解析之:数组.单链表.双链表介绍及C++模板实现数据结构图文解析之:栈的简介及C++模板实现数据结构图文解析之:队列详解与C++模板实现 ...
最优二叉树（哈夫曼树）知识点
路径:在一棵树中从一个结点往下到孩子或孙子结点之间的通路结点的路径长度:从根节点到该节点的路径上分支的数目树的路径长度:树中每个结点的路径长度之和结点的权:给树中的结点赋予一个某种含义的值,则该 ...
深入学习二叉树(三) 霍夫曼树
深入学习二叉树(三) 霍夫曼树 1 前言霍夫曼树是二叉树的一种特殊形式,又称为最优二叉树,其主要作用在于数据压缩和编码长度的优化. 2 重要概念 2.1 路径和路径长度在一棵树中,从一个结点往下可 ...
WPL、最优二叉树（哈夫曼树）
定义:最优树,带权路径长度最短的树基本概念: 1:路径长度:从树的一个结点到另一个结点的路径中,路径上的分支数目为路径长度 2:树的路径长度:从根结点到每个结点的路径长度之和 3:树的带权路径长度( ...
java 实现最优二叉树_哈夫曼树（最优二叉树）及其Java实现
一.定义一些定义: 节点之间的路径长度:在树中从一个结点到另一个结点所经历的分支,构成了这两个结点间的路径上的经过的分支数称为它的路径长度树的路径长度:从树的根节点到树中每一结点的路径长度之和.在 ...
最优二叉树（哈夫曼树）Java实现
此篇博客讲最优二叉树也叫哈夫曼树的原理,以及构建步骤,还有哈夫曼编码原理.建议有二叉树基础朋友学习交流.对二叉树基础可以看我的另外一篇博客二叉树的构建以及遍历文章目录哈夫曼树引出: 哈夫曼树原理及 ...
武汉理工大学数据结构综合实验——二叉树与赫夫曼图片压缩
文章目录实验目的主要仪器设备及耗材一.实验要求二.分析与设计 1.数据结构的设计 2.核心算法设计生成Huffman树的算法生成Huffman编码的算法压缩编码的算法 3.测试用例设计 ...
【数据结构】哈夫曼编码与最优二叉树（哈夫曼树）
一.为什么要用哈夫曼编码在进行大容量存储.图像压缩等数据交换的时候,如果文件过大,恰好WIFI又不怎么快,你是不是会觉得十分暴躁呀?比如有这样一串数据需要传输: 上面就有100位二进制数,这还只是数 ...

常用数据结构之线索二叉树和哈夫曼树