＜蓝桥杯软件赛＞零基础备赛20周--第7周--栈和二叉树
报名明年4月蓝桥杯软件赛的同学们，如果你是大一零基础，目前懵懂中，不知该怎么办，可以看看本博客系列：备赛20周合集
20周的完整安排请点击：20周计划
每周发1个博客，共20周（读者可以按自己的进度选“正常”和“快进”两种计划）。
每周3次集中答疑，周三、周五、周日晚上，在QQ群上答疑：
文章目录
- 1. 基本数据结构概述
-
- 1.1 数据结构和算法的关系
- 1.2 线性数据结构概述
- 1.3 二叉树简介
- 2. 栈
-
- 2.1 手写栈
- 2.2 C++STL栈
- 2.3 Java 栈
- 2.4 Python栈
- 2.5 习题
- 3. 二叉树
-
- 3.1 二叉树概念
- 3.2 二叉树的存储和编码
-
- 3.2.1 二叉树的存储方法
- 3.2.2 二叉树存储的编码实现
- 3.2.3 二叉树的极简存储方法
- 3.3 例题
- 3.4 习题
第7周: 栈、二叉树
1. 基本数据结构概述
很多计算机教材提到：程序 = 数据结构 + 算法。
本作者曾给《数据结构》、《算法设计与分析》的作者王红梅老师题写了一句赠言：“以数据结构为弓，以算法为箭”。
数据结构是是计算机存储、组织数据的方法。常用的数据结构有：数组（Array）、栈（Stack）、队列（Queue）、链表（Linked List）、树（Tree）、图（Graph）、堆（Heap）、散列表（Hash）等。分为两大类：线性表、非线性表。数组、栈、队列、链表是线性表，其他是非线性表。
1.1 数据结构和算法的关系
数据结构和算法往往密不可分。下面以图的存储为例，说明数据结构和算法的关系。这几种存图的数据结构，各有优缺点，也各有自己的应用场景。
（1）边集数组
定义结构体数组：
struct Edge{
int u, v, w;
}edges[M];
其中(u,v,w)表示一条边，起点是u，终点是v，边长是w。edges[M]可以存M条边。
边集数组的优点：是最节省空间的存图方法，存储空间不可能再少了。n=1000个点，m=5000条边的图，使用的存储空间是12×5000 = 60KB。
边集数组的缺点：不能快速定位某条边。如果要找某点u和哪些点有边连接，得把整个edges[M]从头到尾搜一遍才能知道。
边集数组的的应用场景：如果算法不需要查找特定的边，就用边集数组。例如最小生成树Kruskal算法、最短路径Bellman-ford算法。
（2）邻接矩阵
定义一个二维数组：
int edge[N][N];
其中edge[i][j]表示点i和点j之间有一条边，边长为edge[i][j]。它可以存N个点的边。若edge[i][j]=0，表示i和j之间没有边；若edge[i][j] != 0，i和j之间有边，边长为edge[i][j]。
邻接矩阵的优点：能极快地查询任意两点之间是否有边。如果edge[i][j] != 0，说明点i和j之间有一条边，边长edge[i][j]。
邻接矩阵的缺点：如果图是一张稀疏图，大部分点和边之间没有边，那么邻接矩阵很浪费空间，因为大多数edge[][]=0，没有用到。n=1000个点，m=5000条边的图，使用的存储空间是12×1000×1000 = 12MB。
邻接矩阵的应用场景：（1）稠密图，几乎所有的点之间都有边，edge[][]数组几乎用满了，很少浪费；（2）算法需要快速查找边，而且计算结果和任意两点的关系有关，例如最短路径算法的Floyd算法。
（3）邻接表
邻接矩阵的优点：十分节省空间，因为只存储存在的边。
邻接矩阵的缺点：没有明显的缺点。它的存储空间只比边集数组大一点点，而查询边的速度只比邻接矩阵慢一点点。
邻接矩阵应用场景：基于稀疏图的大部分算法。
1.2 线性数据结构概述
在所有数据结构中，线性表是最简单的。线性表有数组、链表、队列、栈，它们有一个共同的特征：把同类型的数据一个接一个地串在一起。
下面对线性表做个概述，并比较它们的优缺点。
（1）数组
数组是最最简单的数据结构，它的逻辑结构和物理内存的存储完全一样。例如C语言中定义一个整型数组int a[10]，系统会分配一个40字节的存储空间，这100个字符的存储地址是连续的。
#include 在作者机器上运行，输出10个整数的存储地址：
0x6dfec4 0x6dfec8 0x6dfecc 0x6dfed0 0x6dfed4 0x6dfed8 0x6dfedc 0x6dfee0 0x6dfee4 0x6dfee8
数组的优点：（1）简单，容易编程；（2）访问快捷，要定位到某个数据，只需使用下标即可，例如a[0]是第1个数据，a[i]是第i-1个数据；（3）与某些应用场景直接对应，例如数列是一维数组，可以在一维护数组上排序，矩阵是二维数组，表示空间坐标，等等。
数组的缺点：删除和增加数据很麻烦，非常耗时。例如要删除数组int a[10]的第5个数据，只能采用覆盖的方法，从第6个数据开始，每个往前挪一位。增加数据也麻烦，例如要在第5个位置插入一个数据，只能把原来第5个开始的数据逐个往后挪一位，空出第5个位置给新数据。
（2）链表
链表是为了克服数组的缺点提出的一种线性表，链表的插入和删除操作，不需要挪动其他数据。简单地说，链表是“是用指针串起来的数组”。链表的数据不是连续存放的，而是用指针串起来的。例如下图删除链表的第3个数据，只要把原来连接第3个数据的指针断开，然后连接它前后的数据即可，不用挪动其他的数据。
链表的优点：增加和删除数据很便捷。这个优点弥补了数组的缺点。
链表的缺点：定位某个数据比较麻烦。例如要输出第5个数据，需要从链表头开始，沿着指针一步步走，找到第5个。链表的这个缺点却是数组的优点。
链表和数组的优缺点正好相反，它们的应用场合不同，数组适合静态数据，链表适合动态数据。
链表如何编程实现？在常见的数据结构教材中，链表的数据节点是动态分配的，各节点之间用指针来连接。但是在算法竞赛中，如果手写链表，一般不用动态分配，而是用静态数组来模拟。手写链表的代码见：《算法竞赛》第3页“1.1.2 静态链表”。当然，除非必要，一般不手写链表，而是用系统提供的链表，例如C++ STL的list，Java LinkedList，Python的list。
链表在蓝桥杯等算法竞赛中不太常用，所以本章没有详细介绍。
（3）队列
队列是线性数据的一种使用方式，模拟现实世界的排队操作。例如排队购物，只能从队头离开队伍，新来的人只能排到队尾，不能插队。队列有一个出口和一个入口，出口是队头，入口是队尾。队列的编程实现，可以用数组，也可以用链表。
队列这种数据结构无所谓优缺点，只有适合不适合。例如宽度优先搜索BFS，就是基于队列的，用其他数据结构都不合适。
（4）栈
栈也是线性数据的一种使用方式，模拟现实世界的单出入口。例如一管泡腾片，先放进去的泡腾片后出来。栈的编程比队列更简单，同样可以用数组或链表实现。
栈有它的使用场合，例如递归使用栈来处理函数的自我调用过程。
1.3 二叉树简介
二叉树是一种高度组织性、高效率的数据结构。例如在一棵有n个节点的满二叉树上定位某个数据，只需走logn步，插入和删除某个数据也只需logn步。在二叉树的基础上发展出了很多高级数据结构和算法。大多数高级数据结构，例如树状数组、线段树、树链剖分、平衡树、动态树等，都是基于二叉树的。
2. 栈
栈（stack）是比队列更简单的数据结构，它的特点是“先进后出”。
队列有两个口，一个入口和一个出口。而栈只有唯一的一个口，既从这个口进入，又从这个口出来。所以如果自己写栈的代码，比队列的代码更简单。
2.1 手写栈
如果使用环境简单，最简单的手写栈代码用数组实现。
const int N = 300008; //定义栈的大小
struct mystack{
int a[N]; //存放栈元素，从a[0]开始
int t = -1; //栈顶位置，初始栈为空，置初值为-1
void push(int data){ a[++t] = data; } //把元素data送入栈
int top() { return a[t]; } //读栈顶元素，不弹出
void pop() { if(t>-1) t--;} //弹出栈顶
int size() { return t+1;} //栈内元素的数量
int empty() { return t==-1 ? 1:0; } //若栈为空返回1
};
使用栈时要注意不能超过栈的空间。上面第1行定义了栈的大小是N，栈内的元素数量不要超过它。
用下面的例子给出上述手写代码的应用。
例题：表达式括号匹配
题解：
合法的括号串例如“(())”、“()()()”，像“)(()”这样是非法的。合法括号组合的特点是：左括号先出现，右括号后出现；左括号和右括号一样多。
括号组合的合法检查是栈的经典应用。用一个栈存储所有的左括号。遍历字符串的每一个字符，处理流程是：
（1）若字符是 ‘(’，进栈。
（2）若字符是’)'，有两种情况：如果栈不空，说明有一个匹配的左括号，弹出这个左括号，然后继续读下一个字符；如果栈空了，说明没有与右括号匹配的左括号，字符串非法，输出NO，程序退出。
（3）读完所有字符后，如果栈为空，说明每个左括号有匹配的右括号，输出YES，否则输出NO。
C++代码
#include Java代码
import java.util.Scanner;
public class Main {
static final int N = 300008;
static class mystack {
int[] a = new int[N];
int t = -1;
void push(int data) { a[++t] = data; }
int top() { return a[t]; }
void pop(){ if(t > -1) t--; }
int size(){ return t + 1; }
boolean empty() { return t == -1 ? true : false; }
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
mystack st = new mystack();
String s = sc.next();
for (int i = 0; i < s.length(); i++) {
char x = s.charAt(i);
if(x == '@') break;
if(x == '(') st.push(x);
if(x == ')') {
if(st.empty()) {
System.out.println("NO");
return;
}
else st.pop();
}
}
if(st.empty()) System.out.println("YES");
else System.out.println("NO");
}
}
Python代码
Python的手写栈用到了list。用list模拟栈有一个好处，不用担心栈空间不够大，因为list自动扩展空间。而且list的栈操作非常快，因为栈顶是list的末尾元素，栈只有一个出入口，只在list的末尾进行进栈和出栈操作，操作极为快捷。下面是list实现的栈功能。
下面是例题的Python代码，栈用list模拟。
st = [] #定义栈，用list实现
flag = True #判断左括号和右括号的数量是否一样多
s = input().strip()
for x in s:
if x=='(': st.append("(") #进栈
if x==")":
if len(st)!=0: #len()：栈的长度
st.pop() #出栈，也可以写成 del st[-1] ，st[-1]是栈顶
else: #栈已空，没有匹配的左括号
flag = False
break
if len(st)==0 and flag: print('YES')
else: print('NO')
2.2 C++STL栈
竞赛时一般不自己手写栈，而是用STL stack https://www.cplusplus.com/reference/stack/stack/。
STL stack的主要操作见下表。
用下面的例题说明STLqueue的应用
例题：排列
题解：把符合条件的一对
像“3-1-2”和“3-1-2-5”这样的“凹”，需要检查连续3个以上的数字。
例如“3 1 2”，从“3”开始，下一个应该比“3”小，例如“1”，再后面的数字比“1”大，才能形成“凹”。
再例如“3-1-2-5”，前面的“3-1-2”已经是“凹”了，最后的“5”也会形成新的“凹”，条件是这个“5”必须比中间的“1-2”大才行。
总结上述过程是：先检查“3”；再检查“1”符合“凹”；再检查“2”，比前面的“1”大，符合“凹”；再检查“5”，比前面的“2”大，符合“凹”。
以上是检查一个“凹”的两头，还有一种是“嵌套”。一旦遇到比前面小的数字，那么以这个数字为头，可能形成新的“凹”。例如“6 4 2 8”，其中的“6-4-2-8”是“凹”，内部的“4-2-8”也是凹。如果学过递归、栈，就会发现这是嵌套，所以本题用栈来做很合适。
以“6 4 2 8”为例，用栈模拟找“凹”。当新的数比栈顶的数小，就进栈；如果比栈顶的数大，就出栈，此时找到了一个“凹”并计算价值。下图中的圆圈数字是数在数组中的下标位置，用于计算题目要求的价值。
图(1)：6进栈。
图(2)：4准备进栈，发现比栈顶的6小，说明可以形成凹，4进栈。
图(3)：2准备进栈，发现比栈顶的4小，说明可以形成凹，2进栈。
图(4)：8准备进栈，发现比栈顶的2大，这是一个凹“4-2-8”，对应下标“②–④”，弹出2，然后计算价值，j-i+1=④-②+1=3。
图(5)：8准备进栈，发现比栈顶的4大，这是一个凹“6-4-8”，对应下标“①–④”，弹出4，然后计算价值，j-i+1=④-①+1=4。
图(6)：8终于进栈了，数字也处理完了，结束。
在上述过程中，只计算了长度为3和3以上的凹，并没有计算题目中“（3）a[i]-a[j]之间不存在其他数字”的长度为2的凹，所以最后统一加上这种情况的价值(n-1)×2 = 6。
最后统计得“6 4 2 8”的总价值是3+4+6=13。
C++代码
#include 2.3 Java 栈
Java Stack https://docs.oracle.com/en/java/javase/14/docs/api/java.base/java/util/Stack.html
有以下操作。
例题 排列 的Java代码。
import java.util.Scanner;
import java.util.Stack;
public class Main {
static final int N = 300008;
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt();
int[] a = new int[N];
for(int i = 1; i <= n; i++) a[i] = sc.nextInt();
Stack<Integer> st = new Stack<>();
long ans = 0;
for(int i = 1; i <= n; i++) {
while(!st.empty() && a[st.peek()] < a[i]) {
st.pop();
if(!st.empty()) {
int last = st.peek();
ans += (long)(i - last + 1);
}
}
st.push(i);
}
ans += (n - 1) * 2;
System.out.println(ans);
}
}
2.4 Python栈
python的栈可以用以下三种方法实现：（1）list；（2）deque；（3）LifoQueue。比较它们的运行速度，list和deque一样快，而LifoQueue慢得多，建议使用list。前面已经介绍了用list实现栈的方法。
下面是例题 排列 的代码。
n = int(input())
a = [int(x) for x in input().split()]
st = [] #定义栈，用list实现
ans = 0
for i in range(n):
while len(st) != 0 and a[st[-1]] < a[i]: #st[-1]是栈顶
st.pop() #弹出栈顶
if len(st) != 0:
last = st[-1] #读栈顶
ans += (i - last + 1)
st.append(i) #进栈
ans += (n - 1) * 2
print(ans)
2.5 习题
小鱼的数字游戏
后缀表达式
栈
【模板】栈
3. 二叉树
前面介绍的数据结构数组、队列、栈，都是线性的，它们存储数据的方式是把相同类型的数据按顺序一个接一个串在一起。简单的形态使线性表难以实现高效率的操作。
二叉树是一种层次化的、高度组织性的数据结构。二叉树的形态使得它有天然的优势，在二叉树上做查询、插入、删除、修改、区间等操作极为高效，基于二叉树的算法也很容易实现高效率的计算。
3.1 二叉树概念
二叉树的每个节点最多有两个子节点，分别称为左孩子、右孩子，以它们为根的子树称为左子树、右子树。二叉树的每一层以2的倍数递增，所以二叉树的第k层最多有2k-1个节点。根据每一层的节点分布情况，有以下常见的二叉树。
（1）满二叉树
特征是每一层的节点数都是满的。第一层只有1个节点，编号为1；第二层有2个节点，编号2、3；第三层有4个节点，编号4、5、6、7；…；第k层有 2 k − 1 2^{k-1} 2k−1个节点，编号 2 k − 1 、 2 k − 1 + 1 、 . . . 、 2 k − 1 2^{k-1}、2^{k-1}+1、...、2^k-1 2k−1、2k−1+1、...、2k−1。
一棵n层的满二叉树，节点一共有 1 + 2 + 4 + . . . + 2 n − 1 = 2 n − 1 1+2+4+...+2^{n-1} = 2^{n-1} 1+2+4+...+2n−1=2n−1个。
（2）完全二叉树
如果满二叉树只在最后一层有缺失，并且缺失的节点都在最后，称为完全二叉树。图1.3演示了一棵满二叉树和一棵完全二叉树。
（3）平衡二叉树
任意左子树和右子树的高度差不大于1，称为平衡二叉树。若只有少部分子树的高度差超过1，这是一棵接近平衡的二叉树。
（4）退化二叉树
如果树上每个节点都只有1个孩子，称为退化二叉树。退化二叉树实际上已经变成了一根链表。如果绝大部分节点只有1个孩子，少数有2个孩子，也看成退化二叉树。
二叉树之所以应用广泛，得益于它的形态。高级数据结构大部分和二叉树有关，下面列举二叉树的一些优势。
（1）在二叉树上能进行极高效率的访问。一棵平衡的二叉树，例如满二叉树或完全二叉树，每一层的节点数量约是上一层数量的2倍，也就是说，一棵有N个节点的满二叉树，树的高度是O(logN)。从根节点到叶子节点，只需要走logN步，例如N = 100万，树的高度仅有logN = 20，只需要20步就能到达100万个节点中的任意一个。但是，如果二叉树不是满的，而且很不平衡，甚至在极端情况下变成退化二叉树，访问效率会打折扣。维护二叉树的平衡是高级数据结构的主要任务之一。
（2）二叉树很适合做从整体到局部、从局部到整体的操作。二叉树内的一棵子树可以看成整棵树的一个子区间，求区间最值、区间和、区间翻转、区间合并、区间分裂等，用二叉树都很快捷。
（3）基于二叉树的算法容易设计和实现。例如二叉树用BFS和DFS搜索处理都极为简便。二叉树可以一层一层地搜索，这是BFS。二叉树的任意一个子节点，是以它为根的一棵二叉树，这是一种递归的结构，用DFS访问二叉树极容易编码。
3.2 二叉树的存储和编码
3.2.1 二叉树的存储方法
要使用二叉树，首先得定义和存储它的节点。
二叉树的一个节点包括三个值：节点的值、指向左孩子的指针、指向右孩子的指针。需要用一个结构体来定义二叉树。
二叉树的节点有动态和静态两种存储方法，竞赛中一般采用静态方法。
（1）动态存储二叉树。例如写c代码，数据结构的教科书一般这样定义二叉树的节点：
struct Node{
int value; //节点的值，可以定义多个值
Node *lson, *rson; //指针，分别指向左右子节点
};
其中value是这个节点的值，lson和rson是指向两个孩子的指针。动态新建一个Node时，用new运算符动态申请一个节点。使用完毕后，需要用delete释放它，否则会内存泄漏。动态二叉树的优点是不浪费空间，缺点是需要管理，不小心会出错，竞赛中一般不这样用。
（2）用静态数组存储二叉树。在算法竞赛中，为了编码简单，加快速度，一般用静态数组来实现二叉树。下面定义一个大小为N的结构体数组。N的值根据题目要求设定，有时节点多，例如N=100万，那么tree[N]使用的内存是12M字节，不算大。
struct Node{ //静态二叉树
int value; //可以把value简写为v
int lson, rson; //左右孩子，可以把lson、rson简写为ls、rs
}tree[N]; //可以把tree简写为t
tree[i]表示这个节点存储在结构体数组的第i个位置，lson是它的左孩子在结构体数组的位置，rson是它的右孩子在结构体数组的位置。lson和rson指向孩子的位置，也可以称为指针。
下图演示了一棵二叉树的存储，圆圈内的字母是这个节点的value值。根节点存储在tree[5]上，它的左孩子lson=7，表示左孩子存储在tree[7]上，右孩子rson=3，存储在tree[3]。
编码时一般不用tree[0]，因为0常常被用来表示空节点，例如叶子节点tree[2]没有子节点，就把它的子节点赋值为lson = rson = 0。
3.2.2 二叉树存储的编码实现
下面写代码演示上图中二叉树的建立，并输出二叉树。
（1）C++代码。第16~21行建立二叉树，然后用print_tree()输出二叉树。
#include 初学者可能看不懂print_tree()是怎么工作的。它是一个递归函数，先打印这个节点的值t[u].v，然后继续搜它的左右孩子。上图的打印结果是”A B D C E F”，步骤如下：
（1）首先打印根节点A；
（2）然后搜左孩子，是B，打印出来；
（3）继续搜B的左孩子，是D，打印出来；
（4）D没有孩子，回到B，B发现也没有右孩子，继续回到A；
（5）A有右孩子C，打印出来；
（6）打印C的左右孩子E、F。
这个递归函数执行的步骤称为“先序遍历”，先输出父节点，然后再搜左右孩子并输出。还有“中序遍历”和“后序遍历”，将在后面讲解。
（2）Java代码
import java.util.*;
class Main {
static class Node {
char v;
int ls, rs;
}
static final int N = 100;
static Node[] t = new Node[N];
static void print_tree(int u) {
if (u != 0) {
System.out.print(t[u].v + " ");
print_tree(t[u].ls);
print_tree(t[u].rs);
}
}
public static void main(String[] args) {
t[5] = new Node(); t[5].v = 'A'; t[5].ls = 7; t[5].rs = 3;
t[7] = new Node(); t[7].v = 'B'; t[7].ls = 2; t[7].rs = 0;
t[3] = new Node(); t[3].v = 'C'; t[3].ls = 9; t[3].rs = 6;
t[2] = new Node(); t[2].v = 'D';
t[9] = new Node(); t[9].v = 'E';
t[6] = new Node(); t[6].v = 'F';
int root = 5;
print_tree(5); // 输出： A B D C E F
}
}
（3）Python代码
N = 100
class Node: # 定义静态二叉树结构体
def __init__(self):
self.v = '' # 把value简写为v
self.ls = 0 # 左右孩子，把lson、rson简写为ls、rs
self.rs = 0
t = [Node() for i in range(N)] # 把tree简写为t
def print_tree(u):
if u:
print(t[u].v, end=' ') # 打印节点u的值
print_tree(t[u].ls)
print_tree(t[u].rs)
t[5].v, t[5].ls, t[5].rs = 'A', 7, 3
t[7].v, t[7].ls, t[7].rs = 'B', 2, 0
t[3].v, t[3].ls, t[3].rs = 'C', 9, 6
t[2].v = 'D' # t[2].ls=0; t[2].rs=0; 可以不写，因为t[]已初始化为0
t[9].v = 'E' # t[9].ls=0; t[9].rs=0; 可以不写
t[6].v = 'F' # t[6].ls=0; t[6].rs=0; 可以不写
root = 5 # 根是tree[5]
print_tree(5) # 输出： A B D C E F
3.2.3 二叉树的极简存储方法
如果是满二叉树或者完全二叉树，有更简单的编码方法，连lson、rson都不需要定义，因为可以用数组的下标定位左右孩子。
一棵节点总数量为k的完全二叉树，设1号点为根节点，有以下性质：
（1） p > 1 p > 1 p>1的节点，其父节点是 p / 2 p/2 p/2。例如 p = 4 p=4 p=4，父亲是 4 / 2 = 2 4/2=2 4/2=2； p = 5 p=5 p=5，父亲是 5 / 2 = 2 5/2=2 5/2=2。
（2）如果 2 × p > k 2×p> k 2×p>k，那么 p p p没有孩子；如果 2 × p + 1 > k 2×p+1 > k 2×p+1>k，那么 p p p没有右孩子。例如 k = 11 k=11 k=11， p = 6 p=6 p=6的节点没有孩子； k = 12 k=12 k=12， p = 6 p=6 p=6的节点没有右孩子。
（3）如果节点 p p p有孩子，那么它的左孩子是 2 × p 2×p 2×p，右孩子是 2 × p + 1 2×p+1 2×p+1。
图中圆圈内是节点的值，圆圈外数字是节点存储位置。
（1）C++代码。用 l s ( p ) ls(p) ls(p)找p的左孩子，用 r s ( p ) rs(p) rs(p)找p的右孩子。 l s ( p ) ls(p) ls(p)中把 p ∗ 2 p*2 p∗2写成 p < < 1 p<<1 p<<1，用了位运算。
#include （2）Java代码。
import java.util.Arrays;
public class Main {
static int ls(int p){ return p<<1;}
static int rs(int p){ return p<<1 | 1;}
public static void main(String[] args) {
final int N = 100;
char[] t = new char[N];
t[1]='A'; t[2]='B'; t[3]='C';
t[4]='D'; t[5]='E'; t[6]='F'; t[7]='G';
t[8]='H'; t[9]='I'; t[10]='J'; t[11]='K';
System.out.print(t[1]+":lson="+t[ls(1)]+" rson="+t[rs(1)]);//输出A:lson=B rson=C
System.out.println();
System.out.print(t[5]+":lson="+t[ls(5)]+" rson="+t[rs(5)]);//输出E:lson=J rson=K
}
}
（3）Python代码。
N = 100
t = [''] * N
def ls(p): return p << 1
def rs(p): return (p << 1) | 1
t[1] = 'A'; t[2] = 'B'; t[3] = 'C'
t[4] = 'D'; t[5] = 'E'; t[6] = 'F'; t[7] = 'G'
t[8] = 'H'; t[9] = 'I'; t[10] = 'J'; t[11] = 'K'
print(t[1] + ':lson=' + t[ls(1)] + ' rson=' + t[rs(1)]) # 输出 A:lson=B rson=C
print(t[5] + ':lson=' + t[ls(5)] + ' rson=' + t[rs(5)]) # 输出 E:lson=J rson=K
其实，即使二叉树不是完全二叉树，而是普通二叉树，也可以用这种简单方法来存储。如果某个节点没有值，那就空着这个节点不用，方法是把它赋值为一个不该出现的值，例如赋值为0或无穷大INF。这样会浪费一些空间，好处是编程非常简单。
3.3 例题
二叉树是很基本的数据结构，大量算法、高级数据结构都是基于二叉树的。二叉树有很多操作，最基础的操作是搜索（遍历）二叉树的每个节点，有先序遍历、中序遍历、后序遍历。这3种遍历都用到了递归函数，二叉树的形态天然适合用递归来编程。
（1）先（父）序遍历，父节点在最前面输出。先输出父节点，再访问左孩子，最后访问右孩子。上图的先序遍历结果是ABDCEF。为什么？把结果分解为：A-BD-CEF。父亲是A，然后是左孩子B和它带领的子树BD，最后是右孩子C和它带领的子树CEF。这是一个递归的过程，每个子树也满足先序遍历，例如CEF，父亲是C，然后是左孩子E，最后是右孩子F。
（2）中（父）序遍历，父节点在中间输出。先访问左孩子，然后输出父节点，最后访问右孩子。上图的中序遍历结果是DBAECF。为什么？把结果分解为：DB-A-ECF。DB是左子树，然后是父亲A，最后是右子树ECF。每个子树也满足中序遍历，例如ECF，先左孩子E，然后是父亲C，最后是右孩子F。
（3）后（父）序遍历，父节点在最后输出。先访问左孩子，然后访问右孩子，最后输出父节点。上图的后序遍历结果是DBEFCA。为什么？把结果分解为：DB-EFC-A。DB是左子树，然后是右子树EFC，最后是父亲A。每个子树也满足后序遍历，例如EFC，先左孩子E，然后是右孩子F，最后是父亲C。
这三种遍历，中序遍历是最有用的，它是二叉查找树的核心。
例题 二叉树的遍历
（1）C++代码
#include （2）Java代码
下面的Java代码和上面的C++代码略有不同。例如在preorder()中没有直接打印节点的值，而是用joiner.add()先记录下来，遍历结束后一起打印，这样快一些。本题 n = 1 0 6 n=10^6 n=106，规模大，时间紧张。
import java.util.Scanner;
import java.util.StringJoiner;
class Main {
static class Node {
int v, ls, rs;
Node(int v, int ls, int rs) {
this.v = v;
this.ls = ls;
this.rs = rs;
}
}
static final int N = 100005;
static Node[] t = new Node[N]; //tree[0]不用，0表示空结点
static void preorder(int p, StringJoiner joiner) { //求先序序列
if (p != 0) {
joiner.add(t[p].v + ""); //不是直接打印，而是先记录下来
preorder(t[p].ls,joiner);
preorder(t[p].rs,joiner);
}
}
static void midorder(int p, StringJoiner joiner) { //求中序序列
if (p != 0) {
midorder(t[p].ls,joiner);
joiner.add(t[p].v + "");//中序输出
midorder(t[p].rs,joiner);
}
}
static void postorder(int p, StringJoiner joiner) { //求后序序列
if (p != 0) {
postorder(t[p].ls,joiner);
postorder(t[p].rs,joiner);
joiner.add(t[p].v + ""); //后序输出
}
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt();
for (int i = 1; i <= n; i++) {
int a = sc.nextInt(), b = sc.nextInt();
t[i] = new Node(i, a, b);
}
StringJoiner joiner = new StringJoiner(" ");
preorder(1, joiner); System.out.println(joiner);
joiner = new StringJoiner(" ");
midorder(1, joiner); System.out.println(joiner);
joiner = new StringJoiner(" ");
postorder(1, joiner); System.out.println(joiner);
}
}
（3）Python代码
N = 100005
t = [0] * N # tree[0]不用，0表示空结点
class Node:
def __init__(self, v, ls, rs):
self.v = v
self.ls = ls
self.rs = rs
def preorder(p): # 求先序序列
if p != 0:
print(t[p].v, end=' ') # 先序输出
preorder(t[p].ls)
preorder(t[p].rs)
def midorder(p): # 求中序序列
if p != 0:
midorder(t[p].ls)
print(t[p].v, end=' ') # 中序输出
midorder(t[p].rs)
def postorder(p): # 求后序序列
if p != 0:
postorder(t[p].ls)
postorder(t[p].rs)
print(t[p].v, end=' ') # 后序输出
n = int(input())
for i in range(1, n+1):
a, b = map(int, input().split())
t[i] = Node(i, a, b)
preorder(1); print()
midorder(1); print()
postorder(1); print()
3.4 习题
完全二叉树的权值
FBI树
American Heritage
求先序排列