Python之binarytree库函数使用详解
文章目录
- Python之binarytree库函数使用详解
-
- 库函数介绍
- 例子
Python之binarytree库函数使用详解
本篇博客旨在大致介绍binarytree中部分库函数的作用，细节需要读者查阅相关帮助文档。
库函数介绍
| 函数名 | 输入参数 | 功能 |
|---|---|---|
| _is_balanced(root) | 二叉树的根结点（binarytree.Node类型） | 如果二叉树是平衡的则返回树的高度，否则返回-1 |
| _is_bst(root, min_value=float(’-inf’), max_value=float(‘inf’)) | root:二叉树的根结点；min_value:最小的结点值；max_value:最大的结点值 | 如果这是一个二叉搜索树，返回True，否则返回False |
| _validate_tree_height(height) | height:0-9的整数 | 检查二叉树的高度是否有效 |
| _generate_perfect_bst(height) | height：正整数 | 生成一棵完美的二叉树 |
| _generate_random_node_values(height) | height:树的高度 | 随机返回所有结点值中的某一个 |
| _get_tree_properties(root) | root:根结点 | 返回二叉树的属性 |
| Node(value,left,right) | 结点类的构造函数，value：结点值；left和right分别是左右子树，类型为结点类的实例 | 创建结点实例 |
| len(root) | root:根结点 | 返回树的结点数 |
| root.validate | - | 检测二叉树是否畸形 |
| root.value | - | 逐层从左到右返回结点值 |
| root.leaves | - | 返回二叉树的叶子 |
| root.height | - | 返回二叉树的高度 |
| root.size | - | 返回所有结点的个数 |
| root.leaf_count | - | 返回叶子的数目 |
| root.is_balance | - | 返回布尔值，检测二叉树是否平衡 |
| root.is_bst | - | 返回布尔值，检测二叉树是否为二叉搜索树 |
| root.is_max_heap | - | 返回布尔值，检测二叉树是否为最大堆。关于最大堆和最小堆的含义参考 https://en.wikipedia.org/wiki/Min-max_heap |
| root.is_min_heap | - | 返回布尔值，检测二叉树是否为最小堆。 |
| root.is_perfect | - | 返回布尔值，检测二叉树是否完美。一个二叉树是完美的如果其每一层的结点都被填满。 |
| root.is_strict | - | 返回布尔值，检测二叉树是否严格。一个二叉树是严格的如果其非叶子结点既有左子结点，又有右子结点。 |
| root,is_complete | - | 返回布尔值，检测二叉树是否完整。一个二叉树完整：除了最后一层以外，每一层的结点都被填满；最后一层的结点左对齐。 |
| root.min_node_value | - | 返回所有结点中的最小值。 |
| root.max_node_value | - | 返回所有结点中的最大值。 |
| root.max_leaf_depth | - | 返回叶子结点中最大的深度。 |
| root.min_leaf_depth | - | 返回叶子结点中最小的深度。 |
| root.properties | - | 返回一个字典，包含二叉树的所有属性 |
| root.inorder | - | 返回一个中序遍历列表，元素为Node类型。 |
| root.preorder | - | 返回一个先序遍历列表，元素为Node类型。 |
| root.postorder | - | 返回一个后序遍历列表，元素为Node类型。 |
| root.levelorder | - | 返回一个逐层遍历列表 |
| binarytree.build(values) | values:列表 | 从列表元素逐层建立二叉树 |
| binarytree.tree(height, is_perfect) | height:高度，默认为3；is_perfect:是否完美，布尔值，默认为False | 生成一个随机二叉树，并返回根结点 |
| binarytree.bst(height, is_perfect) | height:高度，默认为3；is_perfect:是否完美，布尔值，默认为False | 生成一个随机二叉搜索树，并返回根结点 |
| binarytree,heap(height=3, is_max=True, is_perfect=False) | is_max:布尔值，是否为最大堆 | 生成一个堆，并返回根结点 |
例子
from binarytree import Node
root = Node(1)
root.left = Node(2)
root.right = Node(3)
root.left.right = Node(4)
print(root)
#输出
__1
/ \
2 3
\
4
#依次访问树的结点
from binarytree import Node
root = Node(1)
root.left = Node(2)
root.right = Node(3)
root[0]
root[1]
root[2]
# 输出
Node(1)
Node(2)
Node(3)
>>> from binarytree import Node
>>>
>>> root = Node(1) # index: 0, value: 1
>>> root.left = Node(2) # index: 1, value: 2
>>> root.right = Node(3) # index: 2, value: 3
>>>
>>> root[0] = Node(4) # doctest: +IGNORE_EXCEPTION_DETAIL
Traceback (most recent call last):
...
NodeModifyError: cannot modify the root node
>>> from binarytree import Node
>>>
>>> root = Node(1) # index: 0, value: 1
>>> root.left = Node(2) # index: 1, value: 2
>>> root.right = Node(3) # index: 2, value: 3
>>>
>>> root[1] = Node(4)
>>>
>>> root.left
Node(4)
>>> from binarytree import Node
>>>
>>> root = Node(1) # index: 0, value: 1
>>> root.left = Node(2) # index: 1, value: 2
>>> root.right = Node(3) # index: 2, value: 3
>>>
>>> root[11] = Node(4) # doctest: +IGNORE_EXCEPTION_DETAIL
Traceback (most recent call last):
...
NodeNotFoundError: parent node missing at index 5
>>> from binarytree import Node
>>>
>>> root = Node(1) # index: 0, value: 1
>>> root.left = Node(2) # index: 1, value: 2
>>> root.right = Node(3) # index: 2, value: 3
>>>
>>> del root[0] # doctest: +IGNORE_EXCEPTION_DETAIL
Traceback (most recent call last):
...
NodeModifyError: cannot delete the root node
>>> from binarytree import Node
>>>
>>> root = Node(1) # index: 0, value: 1
>>> root.left = Node(2) # index: 1, value: 2
>>> root.right = Node(3) # index: 2, value: 3
>>>
>>> del root[2]
>>>
>>> root[2] # doctest: +IGNORE_EXCEPTION_DETAIL
Traceback (most recent call last):
...
NodeNotFoundError: node missing at index 2
>>> from binarytree import Node
>>>
>>> root = Node(1) # index: 0, value: 1
>>> root.left = Node(2) # index: 1, value: 2
>>> root.right = Node(3) # index: 2, value: 3
>>> root.left.right = Node(4) # index: 4, value: 4
>>>
>>> root.pprint()
__1
/ \\
2 3
\\
4
>>> root.pprint(index=True) # Format: {index}-{value}
_____0-1_
/ \\
1-2_ 2-3
\\
4-4
>>> from binarytree import Node
>>>
>>> root = Node(1)
>>> root.left = Node(2)
>>> root.right = Node(3)
>>> root.left.right = Node(4)
>>>
>>> root.values
[1, 2, 3, None, 4]
>>> from binarytree import Node
>>>
>>> root = Node(1)
>>> root.left = Node(2)
>>> root.right = Node(3)
>>> root.left.right = Node(4)
>>>
>>> print(root)
__1
/ \\
2 3
\\
4
>>> root.leaves
[Node(3), Node(4)]
>>> from binarytree import Node
>>>
>>> root = Node(1)
>>> root.left = Node(2)
>>> root.right = Node(3)
>>> root.left.left = Node(4)
>>> root.left.right = Node(5)
>>> props = root.properties
>>>
>>> props['height'] # equivalent to root.height
2
>>> props['size'] # equivalent to root.size
5
>>> props['max_leaf_depth'] # equivalent to root.max_leaf_depth
2
>>> props['min_leaf_depth'] # equivalent to root.min_leaf_depth
1
>>> props['max_node_value'] # equivalent to root.max_node_value
5
>>> props['min_node_value'] # equivalent to root.min_node_value
1
>>> props['leaf_count'] # equivalent to root.leaf_count
3
>>> props['is_balanced'] # equivalent to root.is_balanced
True
>>> props['is_bst'] # equivalent to root.is_bst
False
>>> props['is_complete'] # equivalent to root.is_complete
True
>>> props['is_max_heap'] # equivalent to root.is_max_heap
False
>>> props['is_min_heap'] # equivalent to root.is_min_heap
True
>>> props['is_perfect'] # equivalent to root.is_perfect
False
>>> props['is_strict'] # equivalent to root.is_strict
True
>>> from binarytree import build
>>>
>>> root = build([1, 2, 3, None, 4])
>>>
>>> print(root)
__1
/ \\
2 3
\\
4