Bagaimana cara menerapkan pohon biner?


104

Manakah struktur data terbaik yang dapat digunakan untuk mengimplementasikan pohon biner dengan Python?


2
Banyak solusi di sini yang menerapkan BST tetapi pertanyaan yang diajukan adalah Penerapan Pohon Biner
vikas mehta

Mungkin tentukan bahwa Anda menginginkan algoritma pohon dengan Python di judul pertanyaan?
Ken Tran

Jawaban:


97

Berikut adalah implementasi rekursif sederhana saya dari pohon pencarian biner.

#!/usr/bin/python

class Node:
    def __init__(self, val):
        self.l = None
        self.r = None
        self.v = val

class Tree:
    def __init__(self):
        self.root = None

    def getRoot(self):
        return self.root

    def add(self, val):
        if self.root is None:
            self.root = Node(val)
        else:
            self._add(val, self.root)

    def _add(self, val, node):
        if val < node.v:
            if node.l is not None:
                self._add(val, node.l)
            else:
                node.l = Node(val)
        else:
            if node.r is not None:
                self._add(val, node.r)
            else:
                node.r = Node(val)

    def find(self, val):
        if self.root is not None:
            return self._find(val, self.root)
        else:
            return None

    def _find(self, val, node):
        if val == node.v:
            return node
        elif (val < node.v and node.l is not None):
            self._find(val, node.l)
        elif (val > node.v and node.r is not None):
            self._find(val, node.r)

    def deleteTree(self):
        # garbage collector will do this for us. 
        self.root = None

    def printTree(self):
        if self.root is not None:
            self._printTree(self.root)

    def _printTree(self, node):
        if node is not None:
            self._printTree(node.l)
            print(str(node.v) + ' ')
            self._printTree(node.r)

#     3
# 0     4
#   2      8
tree = Tree()
tree.add(3)
tree.add(4)
tree.add(0)
tree.add(8)
tree.add(2)
tree.printTree()
print(tree.find(3).v)
print(tree.find(10))
tree.deleteTree()
tree.printTree()

19
Implementasi yang bagus. Saya di sini hanya untuk menunjukkan beberapa hal tentang gaya . python biasanya tidak node is not Nonebukan Anda (node!=None). Selain itu, Anda dapat menggunakan __str__fungsi tersebut sebagai ganti metode printTree.
Jeff Mandell

2
Selain itu, _find Anda mungkin harus: def _find(self, val, node): if(val == node.v): return node elif(val < node.v and node.l != None): return self._find(val, node.l) elif(val > node.v and node.r != None): return self._find(val, node.r)
darkhipo

4
Bukankah ini pohon pencarian biner left<=root<=right?
Sagar Shah

3
tree.find (0), tree.find (2), tree.find (4), tree.find (8) semua mengembalikan None.
Tony Wang

3
Ada bug kecil, ketika Anda mencoba untuk memasukkan kunci yang sudah ada maka itu turun pohon untuk membuat simpul baru dengan kunci duplikat.
Diego Gallegos

27
# simple binary tree
# in this implementation, a node is inserted between an existing node and the root


class BinaryTree():

    def __init__(self,rootid):
      self.left = None
      self.right = None
      self.rootid = rootid

    def getLeftChild(self):
        return self.left
    def getRightChild(self):
        return self.right
    def setNodeValue(self,value):
        self.rootid = value
    def getNodeValue(self):
        return self.rootid

    def insertRight(self,newNode):
        if self.right == None:
            self.right = BinaryTree(newNode)
        else:
            tree = BinaryTree(newNode)
            tree.right = self.right
            self.right = tree

    def insertLeft(self,newNode):
        if self.left == None:
            self.left = BinaryTree(newNode)
        else:
            tree = BinaryTree(newNode)
            tree.left = self.left
            self.left = tree


def printTree(tree):
        if tree != None:
            printTree(tree.getLeftChild())
            print(tree.getNodeValue())
            printTree(tree.getRightChild())



# test tree

def testTree():
    myTree = BinaryTree("Maud")
    myTree.insertLeft("Bob")
    myTree.insertRight("Tony")
    myTree.insertRight("Steven")
    printTree(myTree)

Baca lebih lanjut di sini: -Ini adalah implementasi yang sangat sederhana dari pohon biner.

Ini adalah tutorial yang bagus dengan pertanyaan di antaranya


2
Kode di insertLeftrusak dan akan menghasilkan loop tak terbatas pada setiap upaya untuk melintasi cabang paling kiri pohon biner secara
rekursif

2
Ini dapat dengan mudah diperbaiki dengan menukar baris berikut: tree.left = self.left self.left = tree
AirelleJab

1
tautan terakhir rusak. Bisakah kamu memperbaikinya.
Arjee

13

[Yang Anda perlukan untuk wawancara] Kelas Node adalah struktur data yang cukup untuk merepresentasikan pohon biner.

(Meskipun sebagian besar jawaban lain benar, namun tidak diperlukan untuk pohon biner: tidak perlu memperluas kelas objek, tidak perlu menjadi BST, tidak perlu mengimpor deque).

class Node:

    def __init__(self, value = None):
        self.left  = None
        self.right = None
        self.value = value

Berikut adalah contoh pohon:

n1 = Node(1)
n2 = Node(2)
n3 = Node(3)
n1.left  = n2
n1.right = n3

Dalam contoh ini n1 adalah akar pohon yang memiliki n2, n3 sebagai anak-anaknya.

masukkan deskripsi gambar di sini


Apakah ini menambahkan sesuatu di luar apa yang telah dijelaskan dalam banyak jawaban lainnya?
Sneftel

4
@Sneftel Jawaban lain terlalu canggih untuk pohon biner. Ini adalah bagian yang dibutuhkan untuk implementasi pohon biner. Jawaban lain membuat terlalu sulit bagi orang baru untuk memahaminya, jadi saya pikir posting saja seminimal mungkin untuk membantu orang baru. Beberapa jawaban lain bagus untuk artikel dan makalah jurnal;) ​​Ini juga merupakan bagian yang dibutuhkan seseorang untuk wawancara perangkat lunak.
apadana

3
Itu menambah kesederhanaan, yang sangat berharga.
pylang

2
Sederhana dan sangat logis. Bagus. Saya menyukainya!
Apostolos

11

Implementasi sederhana BST dengan Python

class TreeNode:
    def __init__(self, value):
        self.left = None
        self.right = None
        self.data = value

class Tree:
    def __init__(self):
        self.root = None

    def addNode(self, node, value):
        if(node==None):
            self.root = TreeNode(value)
        else:
            if(value<node.data):
                if(node.left==None):
                    node.left = TreeNode(value)
                else:
                    self.addNode(node.left, value)
            else:
                if(node.right==None):
                    node.right = TreeNode(value)
                else:
                    self.addNode(node.right, value)

    def printInorder(self, node):
        if(node!=None):
            self.printInorder(node.left)
            print(node.data)
            self.printInorder(node.right)

def main():
    testTree = Tree()
    testTree.addNode(testTree.root, 200)
    testTree.addNode(testTree.root, 300)
    testTree.addNode(testTree.root, 100)
    testTree.addNode(testTree.root, 30)
    testTree.printInorder(testTree.root)

2
Anda telah mengakhiri beberapa kalimat dengan titik koma dan beberapa tanpa titik koma. Bisakah Anda menjelaskan alasannya? PS - Saya seorang pemula Python, itulah mengapa menanyakan pertanyaan mendasar seperti itu.
outlier229

@ outlier229 Semua titik koma dalam kode di atas adalah opsional, menghapusnya tidak mengubah apa pun. Dugaan saya adalah bahwa Fox hanya digunakan untuk mengkodekan bahasa seperti C ++ atau Java, yang membutuhkan titik koma di akhir baris. Selain penggunaan opsional tersebut, titik koma dapat digunakan untuk merantai pernyataan dalam satu baris. Misalnya a = 1; b = 2; c = 3 akan menjadi baris tunggal yang valid di python.
physicsGuy

8

Cara yang sangat cepat dan kotor dalam mengimplementasikan pohon biner menggunakan daftar. Bukan yang paling efisien, juga tidak menangani nilai nihil dengan baik. Tapi itu sangat transparan (setidaknya bagi saya):

def _add(node, v):
    new = [v, [], []]
    if node:
        left, right = node[1:]
        if not left:
            left.extend(new)
        elif not right:
            right.extend(new)
        else:
            _add(left, v)
    else:
        node.extend(new)

def binary_tree(s):
    root = []
    for e in s:
        _add(root, e)
    return root

def traverse(n, order):
    if n:
        v = n[0]
        if order == 'pre':
            yield v
        for left in traverse(n[1], order):
            yield left
        if order == 'in':
            yield v
        for right in traverse(n[2], order):
            yield right
        if order == 'post':
            yield v

Membangun pohon dari iterable:

 >>> tree = binary_tree('A B C D E'.split())
 >>> print tree
 ['A', ['B', ['D', [], []], ['E', [], []]], ['C', [], []]]

Melintasi pohon:

 >>> list(traverse(tree, 'pre')), list(traverse(tree, 'in')), list(traverse(tree, 'post'))
 (['A', 'B', 'D', 'E', 'C'],
  ['D', 'B', 'E', 'A', 'C'],
  ['D', 'E', 'B', 'C', 'A'])

Sangat bagus! Saya tidak bisa membantu tetapi berkomentar bahwa pohon yang dihasilkan tidak memegang invarian bahwa semua elemen di subpohon kiri kurang dari v. - Properti yang penting untuk pohon pencarian biner. (Ya, saya menyadari bahwa OP tidak meminta "pohon pencarian"). Namun, FWIW dapat dilakukan dengan modifikasi sederhana ke centang di _add (). Kemudian inorder traversal Anda memberikan daftar yang diurutkan.
thayne

6

Saya tidak bisa tidak memperhatikan bahwa sebagian besar jawaban di sini menerapkan Pohon Pencarian Biner. Pohon Pencarian Biner! = Pohon Biner.

  • Pohon Pencarian Biner memiliki properti yang sangat spesifik: untuk setiap node X, kunci X lebih besar dari kunci turunan mana pun dari turunan kirinya, dan lebih kecil dari kunci turunan mana pun dari turunan kanannya.

  • Pohon Biner tidak menerapkan batasan seperti itu. Binary Tree hanyalah sebuah struktur data dengan elemen 'key', dan dua anak, katakanlah 'left' dan 'right'.

  • Pohon adalah kasus yang lebih umum dari Pohon Biner di mana setiap node dapat memiliki jumlah anak yang berubah-ubah. Biasanya, setiap node memiliki elemen 'anak' yang bertipe list / array.

Sekarang, untuk menjawab pertanyaan OP, saya menyertakan implementasi penuh Binary Tree dengan Python. Struktur data yang mendasari yang menyimpan setiap BinaryTreeNode adalah kamus, karena ia menawarkan pencarian O (1) yang optimal. Saya juga telah menerapkan traversal depth-first dan breadth-first. Ini adalah operasi yang sangat umum dilakukan di pohon.

from collections import deque

class BinaryTreeNode:
    def __init__(self, key, left=None, right=None):
        self.key = key
        self.left = left
        self.right = right

    def __repr__(self):
        return "%s l: (%s) r: (%s)" % (self.key, self.left, self.right)

    def __eq__(self, other):
        if self.key == other.key and \
            self.right == other.right and \
                self.left == other.left:
            return True
        else:
            return False

class BinaryTree:
    def __init__(self, root_key=None):
        # maps from BinaryTreeNode key to BinaryTreeNode instance.
        # Thus, BinaryTreeNode keys must be unique.
        self.nodes = {}
        if root_key is not None:
            # create a root BinaryTreeNode
            self.root = BinaryTreeNode(root_key)
            self.nodes[root_key] = self.root

    def add(self, key, left_key=None, right_key=None):
        if key not in self.nodes:
            # BinaryTreeNode with given key does not exist, create it
            self.nodes[key] = BinaryTreeNode(key)
        # invariant: self.nodes[key] exists

        # handle left child
        if left_key is None:
            self.nodes[key].left = None
        else:
            if left_key not in self.nodes:
                self.nodes[left_key] = BinaryTreeNode(left_key)
            # invariant: self.nodes[left_key] exists
            self.nodes[key].left = self.nodes[left_key]

        # handle right child
        if right_key == None:
            self.nodes[key].right = None
        else:
            if right_key not in self.nodes:
                self.nodes[right_key] = BinaryTreeNode(right_key)
            # invariant: self.nodes[right_key] exists
            self.nodes[key].right = self.nodes[right_key]

    def remove(self, key):
        if key not in self.nodes:
            raise ValueError('%s not in tree' % key)
        # remove key from the list of nodes
        del self.nodes[key]
        # if node removed is left/right child, update parent node
        for k in self.nodes:
            if self.nodes[k].left and self.nodes[k].left.key == key:
                self.nodes[k].left = None
            if self.nodes[k].right and self.nodes[k].right.key == key:
                self.nodes[k].right = None
        return True

    def _height(self, node):
        if node is None:
            return 0
        else:
            return 1 + max(self._height(node.left), self._height(node.right))

    def height(self):
        return self._height(self.root)

    def size(self):
        return len(self.nodes)

    def __repr__(self):
        return str(self.traverse_inorder(self.root))

    def bfs(self, node):
        if not node or node not in self.nodes:
            return
        reachable = []    
        q = deque()
        # add starting node to queue
        q.append(node)
        while len(q):
            visit = q.popleft()
            # add currently visited BinaryTreeNode to list
            reachable.append(visit)
            # add left/right children as needed
            if visit.left:
                q.append(visit.left)
            if visit.right:
                q.append(visit.right)
        return reachable

    # visit left child, root, then right child
    def traverse_inorder(self, node, reachable=None):
        if not node or node.key not in self.nodes:
            return
        if reachable is None:
            reachable = []
        self.traverse_inorder(node.left, reachable)
        reachable.append(node.key)
        self.traverse_inorder(node.right, reachable)
        return reachable

    # visit left and right children, then root
    # root of tree is always last to be visited
    def traverse_postorder(self, node, reachable=None):
        if not node or node.key not in self.nodes:
            return
        if reachable is None:
            reachable = []
        self.traverse_postorder(node.left, reachable)
        self.traverse_postorder(node.right, reachable)
        reachable.append(node.key)
        return reachable

    # visit root, left, then right children
    # root is always visited first
    def traverse_preorder(self, node, reachable=None):
        if not node or node.key not in self.nodes:
            return
        if reachable is None:
            reachable = []
        reachable.append(node.key)
        self.traverse_preorder(node.left, reachable)
        self.traverse_preorder(node.right, reachable)
        return reachable

4

Anda tidak perlu memiliki dua kelas

class Tree:
    val = None
    left = None
    right = None

    def __init__(self, val):
        self.val = val


    def insert(self, val):
        if self.val is not None:
            if val < self.val:
                if self.left is not None:
                    self.left.insert(val)
                else:
                    self.left = Tree(val)
            elif val > self.val:
                if self.right is not None:
                    self.right.insert(val)
                else:
                    self.right = Tree(val)
            else:
                return
        else:
            self.val = val
            print("new node added")

    def showTree(self):
        if self.left is not None:
            self.left.showTree()
        print(self.val, end = ' ')
        if self.right is not None:
            self.right.showTree()

7
Lebih baik memiliki dua kelas. Itu adalah implementasi yang lebih baik

1
@ user3022012 komentar Anda salah. menurut definisi, pohon terdiri dari data, dan sub pohon (untuk pohon biner, itu dua sub-pohon), yang juga merupakan pohon. Tidak ada alasan, apapun untuk pohon simpul akar secara berbeda.
guyarad

1
poster asli hanya meminta implementasi pohon biner dan bukan pohon pencarian biner ...
guyarad

2

Sedikit lebih "Pythonic"?

class Node:
    def __init__(self, value):
        self.value = value
        self.left = None
        self.right = None

    def __repr__(self):
        return str(self.value)



class BST:
    def __init__(self):
        self.root = None

    def __repr__(self):
        self.sorted = []
        self.get_inorder(self.root)
        return str(self.sorted)

    def get_inorder(self, node):
        if node:
            self.get_inorder(node.left)
            self.sorted.append(str(node.value))
            self.get_inorder(node.right)

    def add(self, value):
        if not self.root:
            self.root = Node(value)
        else:
            self._add(self.root, value)

    def _add(self, node, value):
        if value <= node.value:
            if node.left:
                self._add(node.left, value)
            else:
                node.left = Node(value)
        else:
            if node.right:
                self._add(node.right, value)
            else:
                node.right = Node(value)



from random import randint

bst = BST()

for i in range(100):
    bst.add(randint(1, 1000))
print (bst)

2
#!/usr/bin/python

class BinaryTree:
    def __init__(self, left, right, data):
        self.left = left
        self.right = right
        self.data = data


    def pre_order_traversal(root):
        print(root.data, end=' ')

        if root.left != None:
            pre_order_traversal(root.left)

        if root.right != None:
            pre_order_traversal(root.right)

    def in_order_traversal(root):
        if root.left != None:
            in_order_traversal(root.left)
        print(root.data, end=' ')
        if root.right != None:
            in_order_traversal(root.right)

    def post_order_traversal(root):
        if root.left != None:
            post_order_traversal(root.left)
        if root.right != None:
            post_order_traversal(root.right)
        print(root.data, end=' ')

Traversal praorder salah: Anda perlu menguji setiap cabang secara terpisah.
Svante

Saya rasa, Anda perlu menguji setiap cabang secara terpisah hanya dalam kasus orderan dan post order. metode pre-order yang saya tulis, memberikan hasil yang benar. Bisakah Anda memberi tahu saya dalam hal mana metode ini akan rusak? Namun, izinkan saya menguji kedua cabang secara terpisah seperti yang telah saya lakukan untuk post-order dan in-order
shanks

Begitulah, jika anak kiri adalah None, ia bahkan tidak akan melihat anak kanan.
Svante

Maksud saya, jika anak kiri pohon biner tidak ada, kita dapat berasumsi bahwa anak kanan juga tidak ada. Jika sebuah node bercabang menjadi 2 dan hanya 2 node, dan node kiri adalah None, node kanan juga akan menjadi None.
eshanrh

2

NodeKelas node terhubung berbasis A adalah pendekatan standar. Ini mungkin sulit untuk divisualisasikan.

Dimotivasi dari esai tentang Pola Python - Menerapkan Grafik , pertimbangkan kamus sederhana:

Diberikan

Pohon biner

               a
              / \
             b   c
            / \   \
           d   e   f

Kode

Buat kamus node unik :

tree = {
   "a": ["b", "c"],
   "b": ["d", "e"],
   "c": [None, "f"],
   "d": [None, None],
   "e": [None, None],
   "f": [None, None],
}

Detail

  • Setiap pasangan nilai kunci adalah simpul unik yang menunjuk ke anaknya.
  • Sebuah list (atau tuple) menampung sepasang anak kiri / kanan yang teratur.
  • Dengan dikt yang memiliki penyisipan berurutan , asumsikan entri pertama adalah root.
  • Metode umum dapat berupa fungsi yang mengubah atau melintasi dict (lihat find_all_paths()).

Fungsi berbasis pohon sering kali mencakup operasi umum berikut:

  • traverse : menghasilkan setiap node dalam urutan tertentu (biasanya kiri-ke-kanan)
    • pencarian luas-pertama (BFS): tingkat melintasi
    • depth-first search (DFS): melintasi cabang terlebih dahulu (pre- / in- / post-order)
  • sisipkan : tambahkan simpul ke pohon tergantung pada jumlah anak
  • hapus : hapus node tergantung pada jumlah anak
  • update : menggabungkan node yang hilang dari satu pohon ke pohon lainnya
  • kunjungan : menghasilkan nilai dari simpul yang dilintasi

Coba terapkan semua operasi ini. Di sini kami mendemonstrasikan salah satu fungsi ini - traversal BFS:

Contoh

import collections as ct


def traverse(tree):
    """Yield nodes from a tree via BFS."""
    q = ct.deque()                                         # 1
    root = next(iter(tree))                                # 2
    q.append(root)

    while q:
        node = q.popleft()
        children = filter(None, tree.get(node))
        for n in children:                                 # 3 
            q.append(n)
        yield node

list(traverse(tree))
# ['a', 'b', 'c', 'd', 'e', 'f']

Ini adalah algoritme penelusuran luas-pertama (urutan-tingkat) yang diterapkan ke perintah node dan turunan.

  1. Inisialisasi antrian FIFO . Kami menggunakan a deque, tetapi a queueatau listkarya (yang terakhir tidak efisien).
  2. Dapatkan dan antrekan node root (anggap root adalah entri pertama di dict, Python 3.6+).
  3. Secara berulang, dequeue node, antrekan turunannya, dan hasilkan nilai node.

Lihat juga tutorial mendalam tentang pepohonan.


Wawasan

Sesuatu yang hebat tentang traversal secara umum, kita dapat dengan mudah mengubah pendekatan iteratif terakhir untuk pencarian kedalaman-pertama (DFS) hanya dengan mengganti antrian dengan tumpukan (alias LIFO Queue). Ini berarti kami membatalkan antrean dari sisi yang sama dengan yang kami antre. DFS memungkinkan kita untuk mencari setiap cabang.

Bagaimana? Karena kami menggunakan a deque, kami dapat meniru tumpukan dengan mengubah node = q.popleft()ke node = q.pop()(kanan). Hasilnya adalah hak-disukai, DFS pra-memerintahkan : ['a', 'c', 'f', 'b', 'e', 'd'].


1
import random

class TreeNode:
    def __init__(self, key):
        self.key = key
        self.left = None
        self.right = None
        self.p = None

class BinaryTree:
    def __init__(self):
        self.root = None

    def length(self):
        return self.size

    def inorder(self, node):
        if node == None:
            return None
        else:
            self.inorder(node.left)
            print node.key,
            self.inorder(node.right)

    def search(self, k):
        node = self.root
        while node != None:
            if node.key == k:
                return node
            if node.key > k:
                node = node.left
            else:
                node = node.right
        return None

    def minimum(self, node):
        x = None
        while node.left != None:
            x = node.left
            node = node.left
        return x

    def maximum(self, node):
        x = None
        while node.right != None:
            x = node.right
            node = node.right
        return x

    def successor(self, node):
        parent = None
        if node.right != None:
            return self.minimum(node.right)
        parent = node.p
        while parent != None and node == parent.right:
            node = parent
            parent = parent.p
        return parent

    def predecessor(self, node):
        parent = None
        if node.left != None:
            return self.maximum(node.left)
        parent = node.p
        while parent != None and node == parent.left:
            node = parent
            parent = parent.p
        return parent

    def insert(self, k):
        t = TreeNode(k)
        parent = None
        node = self.root
        while node != None:
            parent = node
            if node.key > t.key:
                node = node.left
            else:
                node = node.right
        t.p = parent
        if parent == None:
            self.root = t
        elif t.key < parent.key:
            parent.left = t
        else:
            parent.right = t
        return t


    def delete(self, node):
        if node.left == None:
            self.transplant(node, node.right)
        elif node.right == None:
            self.transplant(node, node.left)
        else:
            succ = self.minimum(node.right)
            if succ.p != node:
                self.transplant(succ, succ.right)
                succ.right = node.right
                succ.right.p = succ
            self.transplant(node, succ)
            succ.left = node.left
            succ.left.p = succ

    def transplant(self, node, newnode):
        if node.p == None:
            self.root = newnode
        elif node == node.p.left:
            node.p.left = newnode
        else:
            node.p.right = newnode
        if newnode != None:
            newnode.p = node.p

Setelah menjalankan ini, node baru z, y, x, w, u, v terkadang dapat ditetapkan, terkadang memiliki bug, seperti ini: print u.key AttributeError: 'NoneType' object tidak memiliki atribut 'key' Saya bertanya-tanya bagaimana caranya untuk memperbaikinya, terima kasih
water0

1

Implementasi ini mendukung operasi penyisipan, pencarian, dan penghapusan tanpa merusak struktur pohon. Ini bukan pohon banlanced.

# Class for construct the nodes of the tree. (Subtrees)
class Node:
def __init__(self, key, parent_node = None):
    self.left = None
    self.right = None
    self.key = key
    if parent_node == None:
        self.parent = self
    else:
        self.parent = parent_node

# Class with the  structure of the tree. 
# This Tree is not balanced.
class Tree:
def __init__(self):
    self.root = None

# Insert a single element
def insert(self, x):
    if(self.root == None):
        self.root = Node(x)
    else:
        self._insert(x, self.root)

def _insert(self, x, node):
    if(x < node.key):
        if(node.left == None):
            node.left = Node(x, node)
        else:
            self._insert(x, node.left)
    else:
        if(node.right == None):
            node.right = Node(x, node)
        else:
            self._insert(x, node.right)

# Given a element, return a node in the tree with key x. 
def find(self, x):
    if(self.root == None):
        return None
    else:
        return self._find(x, self.root)
def _find(self, x, node):
    if(x == node.key):
        return node
    elif(x < node.key):
        if(node.left == None):
            return None
        else:
            return self._find(x, node.left)
    elif(x > node.key):
        if(node.right == None):
            return None
        else:
            return self._find(x, node.right)

# Given a node, return the node in the tree with the next largest element.
def next(self, node):
    if node.right != None:
        return self._left_descendant(node.right)
    else:
        return self._right_ancestor(node)

def _left_descendant(self, node):
    if node.left == None:
        return node
    else:
        return self._left_descendant(node.left)

def _right_ancestor(self, node):
    if node.key <= node.parent.key:
        return node.parent
    else:
        return self._right_ancestor(node.parent)

# Delete an element of the tree
def delete(self, x):
    node = self.find(x)
    if node == None:
        print(x, "isn't in the tree")
    else:
        if node.right == None:
            if node.left == None:
                if node.key < node.parent.key:
                    node.parent.left = None
                    del node # Clean garbage
                else:
                    node.parent.right = None
                    del Node # Clean garbage
            else:
                node.key = node.left.key
                node.left = None
        else:
            x = self.next(node)
            node.key = x.key
            x = None


# tests
t = Tree()
t.insert(5)
t.insert(8)
t.insert(3)
t.insert(4)
t.insert(6)
t.insert(2)

t.delete(8)
t.delete(5)

t.insert(9)
t.insert(1)

t.delete(2)
t.delete(100)

# Remember: Find method return the node object. 
# To return a number use t.find(nº).key
# But it will cause an error if the number is not in the tree.
print(t.find(5)) 
print(t.find(8))
print(t.find(4))
print(t.find(6))
print(t.find(9))

1

Saya tahu banyak solusi bagus telah diposting tetapi saya biasanya memiliki pendekatan yang berbeda untuk pohon biner: menggunakan beberapa kelas Node dan menerapkannya secara langsung lebih mudah dibaca tetapi ketika Anda memiliki banyak node, itu bisa menjadi sangat rakus mengenai memori, jadi saya menyarankan untuk menambahkan satu lapisan kompleksitas dan menyimpan node dalam daftar python, dan kemudian mensimulasikan perilaku pohon hanya dengan menggunakan daftar.

Anda masih dapat menentukan kelas Node untuk akhirnya merepresentasikan node di pohon saat diperlukan, tetapi menyimpannya dalam bentuk sederhana [nilai, kiri, kanan] dalam daftar akan menggunakan setengah memori atau kurang!

Berikut adalah contoh cepat dari kelas Pohon Pencarian Biner yang menyimpan node dalam sebuah array. Ini menyediakan fonctions dasar seperti tambah, hapus, temukan ...

"""
Basic Binary Search Tree class without recursion...
"""

__author__ = "@fbparis"

class Node(object):
    __slots__ = "value", "parent", "left", "right"
    def __init__(self, value, parent=None, left=None, right=None):
        self.value = value
        self.parent = parent
        self.left = left
        self.right = right

    def __repr__(self):
        return "<%s object at %s: parent=%s, left=%s, right=%s, value=%s>" % (self.__class__.__name__, hex(id(self)), self.parent, self.left, self.right, self.value)

class BinarySearchTree(object):
    __slots__ = "_tree"
    def __init__(self, *args):
        self._tree = []
        if args:
            for x in args[0]:
                self.add(x)

    def __len__(self):
        return len(self._tree)

    def __repr__(self):
        return "<%s object at %s with %d nodes>" % (self.__class__.__name__, hex(id(self)), len(self))

    def __str__(self, nodes=None, level=0):
        ret = ""
        if nodes is None:
            if len(self):
                nodes = [0]
            else:
                nodes = []
        for node in nodes:
            if node is None:
                continue
            ret += "-" * level + " %s\n" % self._tree[node][0]
            ret += self.__str__(self._tree[node][2:4], level + 1)
        if level == 0:
            ret = ret.strip()
        return ret

    def __contains__(self, value):
        if len(self):
            node_index = 0
            while self._tree[node_index][0] != value:
                if value < self._tree[node_index][0]:
                    node_index = self._tree[node_index][2]
                else:
                    node_index = self._tree[node_index][3]
                if node_index is None:
                    return False
            return True
        return False

    def __eq__(self, other):
        return self._tree == other._tree

    def add(self, value):
        if len(self):
            node_index = 0
            while self._tree[node_index][0] != value:
                if value < self._tree[node_index][0]:
                    b = self._tree[node_index][2]
                    k = 2
                else:
                    b = self._tree[node_index][3]
                    k = 3
                if b is None:
                    self._tree[node_index][k] = len(self)
                    self._tree.append([value, node_index, None, None])
                    break
                node_index = b
        else:
            self._tree.append([value, None, None, None])

    def remove(self, value):
        if len(self):
            node_index = 0
            while self._tree[node_index][0] != value:
                if value < self._tree[node_index][0]:
                    node_index = self._tree[node_index][2]
                else:
                    node_index = self._tree[node_index][3]
                if node_index is None:
                    raise KeyError
            if self._tree[node_index][2] is not None:
                b, d = 2, 3
            elif self._tree[node_index][3] is not None:
                b, d = 3, 2
            else:
                i = node_index
                b = None
            if b is not None:
                i = self._tree[node_index][b]
                while self._tree[i][d] is not None:
                    i = self._tree[i][d]
                p = self._tree[i][1]
                b = self._tree[i][b]
                if p == node_index:
                    self._tree[p][5-d] = b
                else:
                    self._tree[p][d] = b
                if b is not None:
                    self._tree[b][1] = p
                self._tree[node_index][0] = self._tree[i][0]
            else:
                p = self._tree[i][1]
                if p is not None:
                    if self._tree[p][2] == i:
                        self._tree[p][2] = None
                    else:
                        self._tree[p][3] = None
            last = self._tree.pop()
            n = len(self)
            if i < n:
                self._tree[i] = last[:]
                if last[2] is not None:
                    self._tree[last[2]][1] = i
                if last[3] is not None:
                    self._tree[last[3]][1] = i
                if self._tree[last[1]][2] == n:
                    self._tree[last[1]][2] = i
                else:
                    self._tree[last[1]][3] = i
        else:
            raise KeyError

    def find(self, value):
        if len(self):
            node_index = 0
            while self._tree[node_index][0] != value:
                if value < self._tree[node_index][0]:
                    node_index = self._tree[node_index][2]
                else:
                    node_index = self._tree[node_index][3]
                if node_index is None:
                    return None
            return Node(*self._tree[node_index])
        return None

Saya telah menambahkan atribut induk sehingga Anda dapat menghapus node apa pun dan mempertahankan struktur BST.

Maaf atas keterbacaannya, terutama untuk fungsi "hapus". Pada dasarnya, ketika sebuah node dihapus, kita memunculkan array pohon dan menggantinya dengan elemen terakhir (kecuali jika kita ingin menghapus node terakhir). Untuk mempertahankan struktur BST, node yang dihapus diganti dengan max dari anak kirinya atau min dari anak kanannya dan beberapa operasi harus dilakukan untuk menjaga agar indeks tetap valid tetapi cukup cepat.

Saya menggunakan teknik ini untuk hal-hal yang lebih maju untuk membangun beberapa kamus kata-kata besar dengan radix trie internal dan saya dapat membagi konsumsi memori dengan 7-8 (Anda dapat melihat contohnya di sini: https://gist.github.com/fbparis / b3ddd5673b603b42c880974b23db7cda )


0

Implementasi yang baik dari pohon pencarian biner , diambil dari sini :

'''
A binary search Tree
'''
from __future__ import print_function
class Node:

    def __init__(self, label, parent):
        self.label = label
        self.left = None
        self.right = None
        #Added in order to delete a node easier
        self.parent = parent

    def getLabel(self):
        return self.label

    def setLabel(self, label):
        self.label = label

    def getLeft(self):
        return self.left

    def setLeft(self, left):
        self.left = left

    def getRight(self):
        return self.right

    def setRight(self, right):
        self.right = right

    def getParent(self):
        return self.parent

    def setParent(self, parent):
        self.parent = parent

class BinarySearchTree:

    def __init__(self):
        self.root = None

    def insert(self, label):
        # Create a new Node
        new_node = Node(label, None)
        # If Tree is empty
        if self.empty():
            self.root = new_node
        else:
            #If Tree is not empty
            curr_node = self.root
            #While we don't get to a leaf
            while curr_node is not None:
                #We keep reference of the parent node
                parent_node = curr_node
                #If node label is less than current node
                if new_node.getLabel() < curr_node.getLabel():
                #We go left
                    curr_node = curr_node.getLeft()
                else:
                    #Else we go right
                    curr_node = curr_node.getRight()
            #We insert the new node in a leaf
            if new_node.getLabel() < parent_node.getLabel():
                parent_node.setLeft(new_node)
            else:
                parent_node.setRight(new_node)
            #Set parent to the new node
            new_node.setParent(parent_node)      

    def delete(self, label):
        if (not self.empty()):
            #Look for the node with that label
            node = self.getNode(label)
            #If the node exists
            if(node is not None):
                #If it has no children
                if(node.getLeft() is None and node.getRight() is None):
                    self.__reassignNodes(node, None)
                    node = None
                #Has only right children
                elif(node.getLeft() is None and node.getRight() is not None):
                    self.__reassignNodes(node, node.getRight())
                #Has only left children
                elif(node.getLeft() is not None and node.getRight() is None):
                    self.__reassignNodes(node, node.getLeft())
                #Has two children
                else:
                    #Gets the max value of the left branch
                    tmpNode = self.getMax(node.getLeft())
                    #Deletes the tmpNode
                    self.delete(tmpNode.getLabel())
                    #Assigns the value to the node to delete and keesp tree structure
                    node.setLabel(tmpNode.getLabel())

    def getNode(self, label):
        curr_node = None
        #If the tree is not empty
        if(not self.empty()):
            #Get tree root
            curr_node = self.getRoot()
            #While we don't find the node we look for
            #I am using lazy evaluation here to avoid NoneType Attribute error
            while curr_node is not None and curr_node.getLabel() is not label:
                #If node label is less than current node
                if label < curr_node.getLabel():
                    #We go left
                    curr_node = curr_node.getLeft()
                else:
                    #Else we go right
                    curr_node = curr_node.getRight()
        return curr_node

    def getMax(self, root = None):
        if(root is not None):
            curr_node = root
        else:
            #We go deep on the right branch
            curr_node = self.getRoot()
        if(not self.empty()):
            while(curr_node.getRight() is not None):
                curr_node = curr_node.getRight()
        return curr_node

    def getMin(self, root = None):
        if(root is not None):
            curr_node = root
        else:
            #We go deep on the left branch
            curr_node = self.getRoot()
        if(not self.empty()):
            curr_node = self.getRoot()
            while(curr_node.getLeft() is not None):
                curr_node = curr_node.getLeft()
        return curr_node

    def empty(self):
        if self.root is None:
            return True
        return False

    def __InOrderTraversal(self, curr_node):
        nodeList = []
        if curr_node is not None:
            nodeList.insert(0, curr_node)
            nodeList = nodeList + self.__InOrderTraversal(curr_node.getLeft())
            nodeList = nodeList + self.__InOrderTraversal(curr_node.getRight())
        return nodeList

    def getRoot(self):
        return self.root

    def __isRightChildren(self, node):
        if(node == node.getParent().getRight()):
            return True
        return False

    def __reassignNodes(self, node, newChildren):
        if(newChildren is not None):
            newChildren.setParent(node.getParent())
        if(node.getParent() is not None):
            #If it is the Right Children
            if(self.__isRightChildren(node)):
                node.getParent().setRight(newChildren)
            else:
                #Else it is the left children
                node.getParent().setLeft(newChildren)

    #This function traversal the tree. By default it returns an
    #In order traversal list. You can pass a function to traversal
    #The tree as needed by client code
    def traversalTree(self, traversalFunction = None, root = None):
        if(traversalFunction is None):
            #Returns a list of nodes in preOrder by default
            return self.__InOrderTraversal(self.root)
        else:
            #Returns a list of nodes in the order that the users wants to
            return traversalFunction(self.root)

    #Returns an string of all the nodes labels in the list 
    #In Order Traversal
    def __str__(self):
        list = self.__InOrderTraversal(self.root)
        str = ""
        for x in list:
            str = str + " " + x.getLabel().__str__()
        return str

def InPreOrder(curr_node):
    nodeList = []
    if curr_node is not None:
        nodeList = nodeList + InPreOrder(curr_node.getLeft())
        nodeList.insert(0, curr_node.getLabel())
        nodeList = nodeList + InPreOrder(curr_node.getRight())
    return nodeList

def testBinarySearchTree():
    r'''
    Example
                  8
                 / \
                3   10
               / \    \
              1   6    14
                 / \   /
                4   7 13 
    '''

    r'''
    Example After Deletion
                  7
                 / \
                1   4

    '''
    t = BinarySearchTree()
    t.insert(8)
    t.insert(3)
    t.insert(6)
    t.insert(1)
    t.insert(10)
    t.insert(14)
    t.insert(13)
    t.insert(4)
    t.insert(7)

    #Prints all the elements of the list in order traversal
    print(t.__str__())

    if(t.getNode(6) is not None):
        print("The label 6 exists")
    else:
        print("The label 6 doesn't exist")

    if(t.getNode(-1) is not None):
        print("The label -1 exists")
    else:
        print("The label -1 doesn't exist")

    if(not t.empty()):
        print(("Max Value: ", t.getMax().getLabel()))
        print(("Min Value: ", t.getMin().getLabel()))

    t.delete(13)
    t.delete(10)
    t.delete(8)
    t.delete(3)
    t.delete(6)
    t.delete(14)

    #Gets all the elements of the tree In pre order
    #And it prints them
    list = t.traversalTree(InPreOrder, t.root)
    for x in list:
        print(x)

if __name__ == "__main__":
    testBinarySearchTree()

0

Saya ingin menunjukkan variasi metode @ apadana, yang lebih berguna bila ada banyak node:

'''
Suppose we have the following tree
      10
    /    \
  11      9
 /  \     / \
7   12  15   8
'''
# Step 1 - Create nodes - Use a list instead of defining each node separately
nlist = [10,11,7,9,15,8,12]; n = []
for i in range(len(nlist)): n.append(Node(nlist[i]))

# Step 2 - Set each node position
n[0].left  = n[1]
n[1].left = n[2]
n[0].right = n[3]
n[3].left = n[4]
n[3].right = n[5]
n[1].right = n[6]

0
class Node:
    """
    single Node for tree
    """

    def __init__(self, data):
        self.data = data
        self.right = None
        self.left = None


class binaryTree:
    """
    binary tree implementation
    """

    def __init__(self):
        self.root = None

    def push(self, element, node=None):
        if node is None:
            node = self.root

        if self.root is None:
            self.root = Node(element)

        else:
            if element < node.data:
                if node.left is not None:
                    self.push(element, node.left)
                else:
                    node.left = Node(element)
            else:
                if node.right is not None:
                    self.push(element, node.right)
                else:
                    node.right = Node(element)

    def __str__(self):
        self.printInorder(self.root)
        return "\n"

    def printInorder(self, node):
        """
        print tree in inorder
        """
        if node is not None:
            self.printInorder(node.left)
            print(node.data)
            self.printInorder(node.right)


def main():
    """
    Main code and logic comes here
    """
    tree = binaryTree()
    tree.push(5)
    tree.push(3)
    tree.push(1)
    tree.push(3)
    tree.push(0)
    tree.push(2)
    tree.push(9)
    tree.push(10)
    print(tree)


if __name__ == "__main__":
    main()

-1

Pohon Biner dengan Python

 class Tree(object):
    def __init__(self):
        self.data=None
        self.left=None
        self.right=None
    def insert(self, x, root):
        if root==None:
            t=node(x)
            t.data=x
            t.right=None
            t.left=None
            root=t
            return root
        elif x<root.data:
            root.left=self.insert(x, root.left)
        else:
            root.right=self.insert(x, root.right)
        return root

    def printTree(self, t):
        if t==None:
            return

        self.printTree(t.left)
        print t.data
        self.printTree(t.right)

class node(object):
    def __init__(self, x):
        self.x=x

bt=Tree()
root=None
n=int(raw_input())
a=[]
for i in range(n):
    a.append(int(raw_input()))
for i in range(n):
    root=bt.insert(a[i], root)
bt.printTree(root)

-1

Berikut adalah solusi sederhana yang dapat digunakan untuk membangun pohon biner menggunakan pendekatan rekursif untuk menampilkan pohon agar traversal telah digunakan pada kode di bawah ini.

class Node(object):

    def __init__(self):
        self.left = None
        self.right = None
        self.value = None
    @property
    def get_value(self):
        return self.value

    @property
    def get_left(self):
        return self.left

    @property
    def get_right(self):
        return self.right

    @get_left.setter
    def set_left(self, left_node):
        self.left = left_node
    @get_value.setter
    def set_value(self, value):
        self.value = value
    @get_right.setter
    def set_right(self, right_node):
        self.right = right_node



    def create_tree(self):
        _node = Node() #creating new node.
        _x = input("Enter the node data(-1 for null)")
        if(_x == str(-1)): #for defining no child.
            return None
        _node.set_value = _x #setting the value of the node.
        print("Enter the left child of {}".format(_x))
        _node.set_left = self.create_tree() #setting the left subtree
        print("Enter the right child of {}".format(_x))
        _node.set_right = self.create_tree() #setting the right subtree.

        return _node

    def pre_order(self, root):
        if root is not None:
            print(root.get_value)
            self.pre_order(root.get_left)
            self.pre_order(root.get_right)

if __name__ == '__main__':
    node = Node()
    root_node = node.create_tree()
    node.pre_order(root_node)

Kode diambil dari: Binary Tree dengan Python

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.