精华内容
下载资源
问答
  • 什么是数据结构 首先,我们先简单化这个名称,数据我们都能知道...答案:咳咳,这个词其实不是选的,“大话数据结构”这本书的作者为了帮助读者更加容易的接受数据结构这门课程而选择出来的,它的选择原因:...

    什么是数据结构

    首先,我们先简单化这个名称,数据我们都能知道,那什么是“结构”?找到一个与之可以对等的名词来代替并帮助我们理解它,该名词为:“关系”,以后碰到“数据结构”这四个字,你就可以直接拿“数据关系”来代替理解它。也许会有人会问,为什么选择“关系”这个词?答案是:咳咳,这个词其实不是我选的,是“大话数据结构”这本书的作者为了帮助读者更加容易的接受数据结构这门课程而选择出来的,它的选择原因是:在化学中,碳和钻石其组成元素都为碳,但最终导致二者以不同的形式呈现在世人面前的原因是:碳元素的排列结构(每个碳元素之间的关系)的不同。所以,数据结构:是相互之间存在一种或多种特定关系的数据元素的集合。

    数据结构

    数据结构
    逻辑结构
    物理结构
    集合结构
    线性结构 一对一
    树形结构 一对多
    图形结构 多对多
    顺序存储结构
    链式存储结构

    其实,数据在物理内存上存储时,无非两种方式:顺序存储(数组)、链式存储(数据元素的构造时主要分两大部分:数据域、指针域)。至于我们经常迷惑和搞不明白的地方,其实是在数据结构的逻辑结构这块,逻辑结构其实是在物理结构的基础上,抽象出来的一种结构模式,比如:线性结构里面的栈(先进后出)、队列(先进先出)。这个细分解释起来,不是一篇短短的博客可以讲完的,如果大家对数据结构这门课程有兴趣的话,推荐大家可以尝试着读一下“大话数据结构”,在这里提供一个搜书的链接:https://www.jiumodiary.com/。就我个人来说,也是把“大话数据结构”读完一遍后,加上大学时期学习的相关知识,对数据结构这门课程相比以前的自己来说,刚有了一些自己的理解和较为清晰的学习思路。这篇博客编写也是为了记录一下自己当下感觉和领悟,以及充当第二遍读这本书时的学习笔记,帮助未来的自己在有需要的时候,快速拾起这方面的知识。

    展开全文
  • 本篇文章将开始讲解树结构。...那么本文就从零开始学习一下树结构,并且也会封装一个二叉查找树,本文 3万+ 的详细教程,希望大家耐心观看,我是以一个纯小白的角度来写的这篇文章,相信大家认真看一定都能看懂的

    本系列文章【数据结构与算法】所有完整代码已上传 github,想要完整代码的小伙伴可以直接去那获取,可以的话欢迎点个Star哦~下面放上跳转链接

    本篇文章将开始讲解树结构。其实树结构是平日里我们常见的一种数据结构,例如家族族谱公司管理层级结构图等,这样的数据结构的存在一定有一定的道理。

    • 家族族谱图

    在这里插入图片描述

    • 公司管理层级结构图

    在这里插入图片描述

    因此,在计算机领域中,树结构也是会被广泛用到的,例如数据库系统中就有用到。那么本文就从零开始学习一下树结构,并且也会封装一个二叉查找树,本文 3万+ 的详细教程,希望大家耐心观看,我是以一个纯小白的角度来写的这篇文章,相信大家认真看一定都能看懂的

    • 公众号:前端印象
    • 不定时有送书活动,记得关注~
    • 关注后回复对应文字领取:【面试题】、【前端必看电子书】、【数据结构与算法完整代码】、【前端技术交流群】

    在这里插入图片描述

    一、什么是树

    树在我们平日应该算是一个低头不见抬头见的东西了。这里我特地找了个比较好看的树放在这里,大家可以观察一下树的特点,如图

    在这里插入图片描述
    第一反应是不是从树根开始往上生长,分出了特别的多分叉?没错,咱们要学习的树结构就是参照着真正的树衍生过来的,只不过是一个倒着的抽象的树,如图
    在这里插入图片描述
    我们把图中第一层的圆圈看成是树根,以下的几层都是由树根延伸出去的分支,这里的每一个圆圈都可以用于存储我们的数据。

    是一种非线性数据结构,它是由一个或多个结点组成的

    二、树结构的优点

    总的来说,树结构是结合了之前我们讲过的数组、链表、哈希表等结构的优缺点,但也不能说哈希表是最好的数据结构,毕竟每种数据结构都有各自突出的优点

    树结构的优点:

    1. 空间利用率比较高
    2. 可以非常快速地查找到最大值和最小值

    三、树结构的术语

    因为本文是从零开始学习树结构,所以我们在这里有必要讲解一下,在我们封装各种树结构的过程中涉及到的术语,方便大家理解。

    术语名 含义
    结点 树中的数据元素
    结点的度 结点拥有的子树个数
    叶子结点 度为0的结点
    分支结点 度大于0的结点
    父节点 衍生出其它结点的结点为这些结点的父结点
    子结点 被某个结点衍生出来的结点为该结点的子结点
    兄弟结点 具有同一个父节点的所有结点为兄弟结点
    结点的层次 设定根结点所在层次为1,其它结点层次为其父节点层次+1
    树的深度 树的所有结点中的最大层次为该树的深度
    路径 从某个结点沿着树的层级关系到达另一个结点之间的路线
    路径长度 路径上的结点个数 -1

    我们来用图讲解一下每个术语的含义
    在这里插入图片描述
    如图,每一个圆圈就是一个结点结点A 延伸出去三个结点,因此 结点A 的度为 3结点B 延伸出去两个结点,因此 结点B 的度为 2结点C 并没有延伸出去的结点,故 结点C 的度为 0

    图中像 结点C 一样的度为 0 的结点还有 结点D结点E结点F,它们都称为叶子结点 ; 那么相对的,结点A结点B 的度都不为 0,它们就称为分支结点

    对于 父结点 、子结点 、兄弟结点,我们把图中的树结构看成族谱就很好理解了,假设 结点B爸妈,其延伸出去两个结点 结点E结点F,那么就是 B 生了 EF,所以 结点B 就是 结点E结点F父结点结点E结点F 就是 结点B子结点结点E结点F 互为兄弟结点

    树结构我们可以进行层次分级,例如统一规定根结点所在层次为 1,接着往下层级逐渐 +1。如图,结点A 所在的层次为 1;那么它的下一层层级就为 2,也就是 结点B结点C结点D 所在的层次为 2 ;再往下一层,结点E结点F 所在的层次为 3,这就是结点的层次。因为该树结构的最大层次为 3,所以该树的深度就为 3

    对于路径,假设我们要找到 结点A结点E 的路径,我们只需要沿着树的层次结构走就可以了,如图红线所标的路线就称为 结点A结点E路径
    在这里插入图片描述
    那么路径的长度为多少呢?因为该路径上经过了 3 个结点,因此,该路径的长度2

    四、什么是二叉树

    在树结构中,我们用到的最多的就是二叉树,因此它也是我们重点学习的对象,并且本文最后是要进行二叉查找树的代码封装,那么我们还是要先来了解一下二叉树的定义

    二叉树的定义: 树结构中每个结点最多只有两个子结点,即任何一个结点的度都小于等于 2

    我自己画了几个图来给大家举例哪些是二叉树,哪些不是

    首先说明,二叉树可以为空,也就是结点个数可以等于 0,此时称之为空二叉树


    在这里插入图片描述
    该树结构只有一个根节点,符合二叉树的定义,因此这一个非空二叉树


    在这里插入图片描述
    该树结构不是二叉树,因为 结点A 有三个子结点,不符合二叉树的定义


    在这里插入图片描述
    该树结构一个非空二叉树


    正是因为二叉树只有两个子结点,因此我们可以简单得把位于左侧和位于右侧的两个子结点分别称作其父节点的 左子结点右子结点

    讲到这里,我再补充个概念,叫做 左子树右子树 。因为我们整个二叉树就像是一棵树嘛,那么当我们以某个结点当作根结点,我们可以把其左边的所有结点组成的结构看成是一颗小一点的树,称之为 左子树 ;同理,其右侧所有结点组成的结构称之为 右子树 。如图

    在这里插入图片描述


    其实在二叉树中,又有两种特殊的二叉树,即 完美二叉树完全二叉树,接下来我们来简单讲解一下这两种类型的二叉树的概念

    五、完美二叉树

    完美二叉树 又叫 满二叉树,顾名思义,就是在一个二叉树中,除了最后一个层级的叶子节点外,其余每个结点都有两个子结点

    如图就是一个满二叉树
    在这里插入图片描述


    再来看一个不是满二叉树的例子,如图
    在这里插入图片描述
    该二叉树就不是一个满二叉树,因为处于倒数第二层的 结点C 只有一个子结点,不满足满二叉树的定义

    六、完全二叉树

    完全二叉树要满足以下两个条件:

    1. 除了最后一层外,其它各层的结点个数都达到最大个数
    2. 最后一层的结点集中在左侧,且结点连续,只有右侧部分可以缺失结点

    光看定义难以理解,我们来用实例了解完全二叉树
    在这里插入图片描述
    不是一个完全二叉树。其满足了完全二叉树的第一个条件,第一层最大结点个数应为 1,它有 1 个结点 ;第二层最大结点个数应为 2,它有 2 个结点 ;第三层最大结点个数应为 4,它有 4 个结点。

    但其不满足完全二叉树的第二个条件,因为最后一层的 结点H结点I结点J 没有连续集中在左侧。


    那么如何才算是连续集中在左侧呢?只需要在此图中给 结点D 添加一个右子结点即可使最后一层的结点连续集中在左侧,如图
    在这里插入图片描述
    这就一个正确的完全二叉树


    再来看一个例子,如图
    在这里插入图片描述
    这就不是一个完全二叉树了,虽然最后一层的结点连续集中在一起,但是它们集中在最后一层的右侧,这并不满足完全二叉树的定义


    其实 满二叉树 是一种特殊的 完全二叉树,不信你可以自己举个简单的例子验证一下

    七、二叉树的特性

    二叉树作为树结构中一种特殊的类型,它是有一些自己的特性的,我们来看一下

    (1)特性一

    一个二叉树第 i 层的最大结点个数为 2i1(i>=1)2^{i-1}(i>=1)

    在二叉树中,结点个数最多的情况就是满二叉树,即除了最后一层的叶子结点外,其余结点都有两个子结点,因此满二叉树每一层的结点个数都达到了最大值,其余类型的二叉树每一层结点个数只会小于或等于它

    我们可以自己来验证一下,下图时一个树的深度为 3 的满二叉树
    在这里插入图片描述
    第一层结点个数最多只有 20=12^0 = 1 个,图中有一个结点
    第二层结点个数最多只有 21=22^1 = 2 个,图中有两个结点
    第三层结点个数最多只有 22=42^2 = 4 个,图中有四个结点

    (2)特性二

    深度为 k 的二叉树拥有的最大结点数为 2k1(k>=1)2^k-1(k>=1)

    同样的,满二叉树是二叉树中结点个数最多的,因此其结点个数公式就为 2k1(k>=1)2^k-1(k>=1)

    我们可以验证一下

    在这里插入图片描述
    这是一个深度为 1 的满二叉树,最大结点个数为 201=12^0-1 = 1


    在这里插入图片描述
    这是一个深度为 2 的满二叉树,最大结点个数为 221=32^2-1 = 3


    在这里插入图片描述
    这是一个深度为 3 的满二叉树,最大结点个数为 231=72^3-1 = 7

    (3)特性三

    在非空二叉树中,n0n_0 表示叶子结点个数,n1n_1 表示分支结点个数,那么它们满足的关系有 n0=n1+1n_0=n_1 + 1

    该特性也是一个总结出来的规律,大家了解一下即可,可以自行验证一下

    八、二叉树的存储

    在使用二叉树存储数据时,我们有两种选择,一种是数组存储,另一种是链表存储

    (1)数组存储

    当使用数组存储时,如图
    在这里插入图片描述

    在按照从上到下,从左到右的顺序给二叉树标上下标以后,我们发现在使用数组存储二叉树的数据时,很难或者说几乎无法分辨结点之间的结点关系

    因此,有一种解决办法就是将二叉树补全成一个满二叉树,然后下标仍是按照从上到下,从左到右的顺序给的,如图
    在这里插入图片描述
    此时,我们就可以看到,各个结点之间就可以分辨得出来了,即父节点的下标值 index * 2 + 1,就等于其左子结点的下标值 ;同样的,父节点的下标值 index * 2 + 2,就等于其右子结点的下标值

    虽然现在结点间的关系可以辨别得出来了,但是有没有发现,这造成了很大的空间浪费,整个数组长度为 15,空着的位置就有 8

    所以我个人认为,用数组来存储二叉树的数据不太合适

    (2)链表存储

    链表存储也是二叉树最常用的一种存储方法。我们可以通过给每个结点封装一个对象,通过 leftright 分别指向其左子结点和右子结点

    来看一下,用链表存储的二叉树的样子,如图
    在这里插入图片描述
    我们只需要调用某结点的 leftright 就可以找到其子结点,这样做既避免了空间的浪费,又能把结点关系理得特别清楚

    九、什么是二叉查找树

    二叉查找树,英文名为 Binary Search Tree,简称BST,又名二叉排序树、二叉搜索树。

    二叉查找树本身就是一棵二叉树,它可以是一棵空树

    当二叉查找树不为空时,必须满足以下三个条件

    1. 非空左子树的结点的 key 小于其根结点的 key
    2. 非空右子树的结点的 key 大于其根结点的 key
    3. 左子树和右子树本身也是个二叉查找树

    我们可以先一个例子来体会一下这三个条件,如图

    在这里插入图片描述
    首先根结点的 key50 ,其左子结点为 10 小于 50,符合第一个条件 ;其右子结点为 70 大于 50,符合第二个条件

    再来看 结点10,其左子结点为 8 小于 10,符合第一个条件 ;其右子结点为 13 大于 10,符合第二个条件

    同理,结点70 也是符合的,因此就符合了第三个条件


    总结一下呢,就是以下几条结论:

    1. 左边的结点永远比根结点以及右边的结点小
    2. 右边的结点永远比根结点已经左边的结点大

    所以,接下来我们再来看几个例子,判断一下哪些时二叉查找树,哪些不是

    在这里插入图片描述
    这不是一个二叉查找树,因为 结点7 在右侧,比其根结点 8 要小,所以不符合条件。正确的位置应该是处于 结点8 的左子树位置


    在这里插入图片描述
    这是一个二叉查找树

    十、树的遍历

    以上给出的树结构的图都是我们布局好的非常美观的样子,但在程序里,树结构是非常抽象的,因此我们可以通过遍历全部结点的方式,将整个树结构展现出来

    树的遍历一共分成三种,分别是 先序遍历中序遍历后序遍历

    (1)先序遍历

    先序遍历: 访问根结点 => 访问左子树 => 访问右子树。在访问左子树或右子树的时候,仍是按照这个规则继续访问。

    我们来看一个简单的例子,如图,对其进行先序遍历

    在这里插入图片描述


    第一步: 先访问根结点 50 ,再访问左子树,最后访问右子树,如图
    在这里插入图片描述

    此时我们记录一下访问的过程,即 50 左子树10 右子树70


    第二步: 左子树10 也需要按照先序遍历的步骤进行,所以先访问 左子树10 中的根节点 10,再遍历其左子树,最后遍历其右子树,如图
    在这里插入图片描述

    因为 结点10 的左右子树都属于叶子结点了,即没有任何的子结点了,所需就无需对其进行遍历了

    我们接着第一步中的结果进行记录,即 50 10 8 13 右子树70


    第三步: 最后还剩个 右子树70 没有遍历了,那么同理,先访问其根结点 70,再遍历其左子树,最后遍历其右子树,如图
    在这里插入图片描述

    因为 结点70 的左右子树也都属于叶子结点了,所以也没有必要对其进行遍历了,直接获取该结点即可

    我们接着第二步的结果进行记录,即 50 10 8 13 70 60 80


    好了,到此位置,一个先序遍历的结果就出来了,我们来总结一下它的全部访问过程,如图
    在这里插入图片描述

    (2)中序遍历

    中序遍历: 访问左子树 => 访问根结点 => 访问右子树。在访问左子树或右子树的时候,仍是按照这个规则继续访问。

    我们来看一个简单的例子,如图,对其进行中序遍历

    在这里插入图片描述


    第一步: 先遍历 左子树10,再访问根结点 50,最后遍历右子树 70,如图

    在这里插入图片描述

    此时我们记录一下访问的过程,即 左子树10 50 右子树70


    第二步: 左子树10 也需要按照中序遍历的步骤进行,所以先遍历 左子树10 中的左子树,再访问其根节点 10,最后遍历其右子树,如图
    在这里插入图片描述

    因为 结点10 的左右子树都属于叶子结点了,即没有任何的子结点了,所需就无需对其进行遍历了

    我们接着第一步中的结果进行记录,即 8 10 13 50 右子树70


    第三步: 最后还剩个 右子树70 没有遍历了,那么同理,先遍历 右子树70 的左子树,再访问其根结点 70,最后遍历其右子树,如图
    在这里插入图片描述

    因为 结点70 的左右子树也都属于叶子结点了,所以也没有必要对其进行遍历了,直接获取该结点即可

    我们接着第二步的结果进行记录,即 8 10 13 50 60 70 80


    好了,到此位置,一个中序遍历的结果就出来了,我们来总结一下它的全部访问过程,如图

    在这里插入图片描述

    (3)后序遍历

    后序遍历: 访问左子树 => 访问右子树 => 访问根结点 。在访问左子树或右子树的时候,仍是按照这个规则继续访问。

    我们来看一个简单的例子,如图,对其进行后序遍历

    在这里插入图片描述


    第一步: 先遍历 左子树10,再遍历右子树 70,最后访问根结点 50,如图

    在这里插入图片描述

    此时我们记录一下访问的过程,即 左子树10 右子树70 50


    第二步: 左子树10 也需要按照后序遍历的步骤进行,所以先遍历 左子树10 中的左子树,再遍历其右子树,最后再访问其根节点 10,如图
    在这里插入图片描述

    因为 结点10 的左右子树都属于叶子结点了,即没有任何的子结点了,所需就无需对其进行遍历了

    我们接着第一步中的结果进行记录,即 8 13 10 右子树70 50


    第三步: 最后还剩个 右子树70 没有遍历了,那么同理,先遍历 右子树70 的左子树,再遍历其右子树,最后访问其根结点 70,如图
    在这里插入图片描述

    因为 结点70 的左右子树也都属于叶子结点了,所以也没有必要对其进行遍历了,直接获取该结点即可

    我们接着第二步的结果进行记录,即 8 13 10 60 80 70 50


    好了,到此位置,一个后序遍历的结果就出来了,我们来总结一下它的全部访问过程,如图
    在这里插入图片描述

    十一、二叉查找树的方法

    在封装二叉查找树之前,我们还是先来看一下二叉查找树常见的方法右哪些吧

    方法 作用
    insert() 向二叉查找树插入数据
    preOrder() 先序遍历二叉查找树,并返回结果
    inOrder() 中序遍历二叉查找树,并返回结果
    postOrder() 后序遍历二叉查找树,并返回结果
    getMax() 返回二叉查找树中的最大值
    getMin() 返回二叉查找树中的最小值
    search() 查找二叉查找树中的某个值
    remove() 移除某个值

    十二、用代码实现二叉查找树

    前提:

    1. 代码中会用到大量的递归思想,请还没了解过递归的小伙伴自行了解一下
    2. 部分方法会通过再封装一个内部函数来实现,请认真理解

    (1)创建一个构造函数

    首先创建一个大的构造函数,用于存放二叉查找树的一些属性和方法。

    function BinarySearchTree() {
        // 属性
        this.root = null
    }
    

    二叉查找树的属性最主要的就是 root ,用于指向树的根节点

    (2)创建结点构造函数

    因为我们准备通过链表来实现二叉查找树,所以我们需要先在内部封装一个结点的构造函数

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    }
    

    一个结点包括的内容有 左子结点右子结点,分别对应的 keyvalueleftright

    (3)实现insert()方法

    insert()方法就是将一个数据插入到二叉查找树中合适的位置。该方法接收两个参数,即 keyvalue

    实现思路:

    1. 调用内部结点构造函数,并把参数 keyvalue 传入,生成一个结点对象 node
    2. 判断二叉查找树是否右根结点,即判断是否为空,若为空,则直接将 node 作为二叉查找树的根结点,即将 node 赋值给 root 属性
    3. 若不为空,则遍历整个二叉查找树,用 node.key 与遍历到的结点的 key 值进行比对,最终找到合适的位置进行插入

    思路看着略微复杂,我做了动图方便大家理解,如图

    • 当二叉查找树为空时

    在这里插入图片描述

    • 当二叉查找树不为空时

    在这里插入图片描述
    这里我选择用递归的方式来遍历整个二叉查找树,因此我会再额外封装一个用于递归内部调用的函数 insertNode ,给其传入两个参数,第一个参数是当前遍历到的结点 ; 第二个参数是我们要插入的结点

    先来看下代码吧

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 插入数据
        BinarySearchTree.prototype.insert = function(key, value = null) {
            // 1. 创建结点
            let node = new Node(key, value)
    
            // 2. 判断根结点是否存在
            // 2.1 不存在
            if(!this.root) {
                this.root = node
                return;
            }
    
            // 2.2 存在
            this.insertNode(this.root, node)
            
        }
    
    	// 插入结点函数(内部)
        BinarySearchTree.prototype.insertNode = function(oldNode, newNode) {
            // 1. 判断我们插入的数据的 key是否大于当前遍历结点的 key
            // 1.1 插入数据的 key 大于当前遍历结点的 key
            if(newNode.key < oldNode.key) {
                // 1.1.1 判断当前遍历结点的左结点是否为空
                // 1.1.1.1 为空
                if(oldNode.left === null) {
                    oldNode.left = newNode
                } 
    			// 1.1.1.2 不为空
    			else {
                    this.insertNode(oldNode.left, newNode)
                }
            } 
    		// 1.2 插入数据的 key 小于当前遍历结点的 key
    		else {
    			// 1.2.1 判断当前遍历结点的右结点是否为空
    			// 1.2.1.1 为空
                if(oldNode.right === null) {
                    oldNode.right = newNode
                } 
    			// 1.2.1.2 不为空
    			else {
                    this.insertNode(oldNode.right, newNode)
                }
            }
        }
    }
    

    insert() 方法中,若二叉查找树不为空,我们就调用 insertNode() 内部方法进行递归调用,并先把 root 和 我们新创建的结点 node 传过去当成参数 , 即表示用需要插入的结点先和根节点进行比较,然后慢慢比对下去,找到属于自己的位置插入

    我在代码上都标注了很详细的注解,大家可以消化消化

    我们来使用一下该方法

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    
    console.log(bst.root)
    

    因为这里我们还没有封装遍历的函数,因此可以靠浏览器的打印来查看二叉查找树是否正确,结果如下
    在这里插入图片描述
    首先,根节点为 50,然后根节点的左子节点为 10,右子结点为 70
    在这里插入图片描述
    然后看到 结点10 的左子结点是 5,右子结点是 15
    在这里插入图片描述
    最后,结点70 没有自己的左右子结点

    总结一下,当前的二叉树如下图
    在这里插入图片描述
    判断一下,这个结果是正确的,这确实是一个二叉查找树,所以我们的 insert()方法就封装好啦

    (4)实现preOrder()方法

    preOrder()方法就是通过先序遍历的方式遍历整个二叉查找树,并返回遍历结果。该方法接收一个回调函数 handle 作为参数, 用于在遍历过程中执行某些操作

    实现思路:

    1. 从根结点开始,按照 访问根结点 => 访问左子树 => 访问右子树 的顺序对各个结点进行访问
    2. 访问到结点时,执行回调函数 handle ,并将访问到的结点的 key 作为参数传入

    因为上边已经详细将结果先序遍历的全过程了,因此我们直接来看代码

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 先序遍历并返回结果(外部函数)
        BinarySearchTree.prototype.preOrder = function(handle) {
        
    		// 从整棵二叉查找树的根节点开始遍历
            this.preOrderNodes(this.root, handle)
            
        }
    
        // 以先序遍历的方式遍历整个树(内部函数)
        BinarySearchTree.prototype.preOrderNodes = function(node, handle) {
            if(node !== null) {
                // 将根结点的 key传给回调函数处理
                handle(node.key)
    			// 遍历左子树
                this.preOrderNodes(node.left, handle)
    			// 遍历右子树
                this.preOrderNodes(node.right, handle)
            }
            
        }
    }
    

    我们来使用一下该方法,并详细体会一下递归调用的过程是不是跟我们前面分析的先序遍历的思想一样

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    
    let str = ''
    bst.preOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)             // 50 10 5 15 70
    

    首先二叉查找树是这样的
    在这里插入图片描述

    1. 刚开始我们从整棵树的根节点 root 开始遍历,先记录 rootkey值,即 50 ;然后遍历 root 的左子树,因此把 root.left 作为下一次调用 preOrderNodes() 方法的根结点

    2. 然后记录一下 结点10,即 50 10,然后我们又要继续遍历 结点10 的左子树,所以就把 结点10.left 作为下一次调用 preOrderNodes() 方法的根结点

    3. 此时访问到了 结点5,并记录一下 50 10 5,再下一次就是遍历 结点5 的左右子树,但因为 结点5 的左右子树都为 null,所以在调用preOrderNodes() 方法时不进行任何操作。到此为止, 结点10 的左子树已经全部遍历完毕,接着就要遍历其右子树,因此把 结点10.right 作为下一次调用 preOrderNodes() 方法的根结点

    4. 此时就访问到了 结点15,并记录一下 50 10 5 15,再下一次就是遍历 结点15 的左右子树,但因为 结点15 的左右子树都为 null,所以在调用preOrderNodes() 方法时不进行任何操作。到此为止,结点50 的左子树已经全部遍历完毕了,接着就要遍历其右子树,因此把 结点50.right 作为下一次调用 preOrderNodes() 方法的根结点

    5. 此时就访问到了 结点70,并记录一下 50 10 5 15 70,再下一次就是遍历 结点15 的左右子树,但因为 结点15 的左右子树都为 null,所以在调用preOrderNodes() 方法时不进行任何操作。到此为止,结点50 的右子树也全部遍历完毕了。

    6. 因为整棵树的根节点的左右子树都遍历完了,所以先序遍历的操作也就完成了,最终结果就为 50 10 5 15 70

    (5)实现inOrder()方法

    inOrder()方法就是通过中序遍历的方式遍历整个二叉查找树,并返回遍历结果。该方法无需传入参数

    实现思路:

    1. 从根结点开始,按照 访问左子树 => 访问根节点 => 访问右子树 的顺序对各个结点进行访问
    2. 访问到结点时,执行回调函数 handle ,并将访问到的结点的 key 作为参数传入

    因为上边已经详细将结果中序遍历的全过程了,因此我们直接来看代码

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 中序遍历并返回结果(外部函数)
        BinarySearchTree.prototype.inOrder = function(handle) {
    
            // 从二叉查找树的根结点开始遍历
            this.inOrderNodes(this.root, handle)
            
        }
    
        // 以中序遍历的方式遍历整个树(内部函数)
        BinarySearchTree.prototype.inOrderNodes = function(node, handle) {
            if(node !== null) {
            	// 遍历左子树
                this.inOrderNodes(node.left, handle)
                // 将根结点的 key传给回调函数处理
                handle(node.key)
                // 遍历右子树
                this.inOrderNodes(node.right, handle)
            }
        }
    }
    

    因为树结构的三种遍历方式思想都一样,只不过是遍历的顺序有所差别,这里我就不再花大篇幅来讲解整个遍历过程了,直接来使用一下代码,核对一下结果是否准确

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    
    let str = ''
    bst.inOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)                 // 5 10 15 50 70
    

    验证了一下,结果是正确的

    (6)实现postOrder()方法

    postOrder()方法就是通过后序遍历的方式遍历整个二叉查找树,并返回遍历结果。该方法无需传入参数

    实现思路:

    1. 从根结点开始,按照 访问左子树 => 访问右子树 => 访问根结点 的顺序对各个结点进行访问
    2. 访问到结点时,执行回调函数 handle ,并将访问到的结点的 key 作为参数传入

    因为上边已经详细将结果后序遍历的全过程了,因此我们直接来看代码

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 后序遍历并返回结果(外部函数)
        BinarySearchTree.prototype.postOrder = function(handle) {
    
            // 从二叉查找树的根结点开始遍历
            this.postOrderNodes(this.root, handle)
            
        }
    
        // 以后序遍历的方式遍历整个树(内部函数)
        BinarySearchTree.prototype.postOrderNodes = function(node, handle) {
            if(node !== null) {
            	// 访问左子树
                this.postOrderNodes(node.left, handle)
                // 访问右子树
                this.postOrderNodes(node.right, handle)
                // 将根结点的 key传给回调函数处理
                handle(node.key)
            }
        }
    }
    

    因为树结构的三种遍历方式思想都一样,只不过是遍历的顺序有所差别,这里我就不再花大篇幅来讲解整个遍历过程了,直接来使用一下代码,核对一下结果是否准确

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    
    let str = ''
    bst.postOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)               // 5 15 10 70 50
    

    验证了一下,结果是正确的

    (7)实现getMax()方法

    getMax()方法就是找到二叉查找树中 key 值最大的结点,并返回该结点对象

    实现思路: 该方法思路比较简单,因为二叉查找树越大的值都是往右走的,即 key值较大的结点都是其父结点的右子结点,因此我们可以从整个二叉查找树的根节点开始,一直向右查找,即 node.right,直到 node.right === null,该结点就为这个二叉查找树中 key值最大的结点

    我们来直接看一下代码吧

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 获取二叉树中的最大值
        BinarySearchTree.prototype.getMax = function() {
        	// 从根结点开始遍历
            let node = this.root
    
    		// 一直向二叉查找树的的右边遍历,直到结点没有右子结点
            while(node.right !== null) {
                node = node.right
            }
    
    		// 返回 key值最大的结点对象
            return node
        }
    }
    

    我们来使用一下该方法

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    bst.insert(60)
    bst.insert(80)
    bst.insert(13)
    bst.insert(12)
    bst.insert(14)
    bst.insert(19)
    bst.insert(20)
    bst.insert(16)
    bst.insert(17)
    
    console.log(bst.getMax())
    // Node { key: 80, value: null, right: null, left: null }
    

    可以看到,最终结果确实返回了 key值最大的结点,为 结点80

    (8)实现getMin()方法

    getMin()方法就是找到二叉查找树中 key 值最小的结点,并返回该结点对象

    实现思路: 该方法思路比较简单,因为二叉查找树越小的值都是往左走的,即 key值较小的结点都是其父结点的左子结点,因此我们可以从整个二叉查找树的根节点开始,一直向左查找,即 node.left,直到 node.left === null,该结点就为这个二叉查找树中 key值最小的结点

    我们来直接看一下代码吧

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 获取二叉树中的最小值
        BinarySearchTree.prototype.getMin = function() {
        	// 从二叉查找树的根结点开始遍历
            let node = this.root
            // 一直向二叉查找树的左边遍历,直到结点没有左子结点
            while(node.left !== null) {
                node = node.left
            }
            // 返回 key值最小的结点对象
            return node
        }
    }
    

    我们来使用一下该方法

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    bst.insert(60)
    bst.insert(80)
    bst.insert(13)
    bst.insert(12)
    bst.insert(14)
    bst.insert(19)
    bst.insert(20)
    bst.insert(16)
    bst.insert(17)
    
    console.log(bst.getMin())
    // Node { key: 5, value: null, right: null, left: null }
    

    可以看到,最终结果确实返回了 key值最小的结点,为 结点5

    (9)实现search()方法

    search()方法就是查找二叉查找树中指定的 key对应的结点的 value 值。该方法接收一个参数,即需要查找的结点的 key

    实现思路: 从二叉查找树的根节点 root 开始遍历,用我们的参数 key1 与遍历到的结点的 key2 进行比较,若 key1 > key2,则向右继续遍历 ;若 key1 < key2,则向左继续遍历 ;若 key1 === key2,则返回该结点的 value 值 ;若遍历到最后,找不到任何结点了,则返回 false

    我们来看一下实现代码

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 查找指定的 key对应的数据
        BinarySearchTree.prototype.search = function(key) {
    		// 1. 从二叉查找树的根结点开始遍历
            let node = this.root
    		
    		// 2. 一直与遍历到的结点的 key值进行比较
            while(node !== null) {
            	// 查找的 key值大于当前结点 key值
                if(key > node.key) {
                    node = node.right
                }
                // 查找的 key值小于当前结点 key值 
                else if(key < node.key) {
                    node = node.left
                }
                // 查找到对应 key值的结点 
                else {
                    return node.value
                }
            }
    		// 未找到对应 key值的结点
            return false
        }
    }
    

    因为这个方法要返回结点的 value 值,因此这里我们就给每个结点赋值一定的 value

    let bst = new BinarySearchTree()
    
    bst.insert(50, '我是结点50')
    bst.insert(10, '我是结点10')
    bst.insert(70, '我是结点70')
    bst.insert(5, '我是结点5')
    bst.insert(15, '我是结点15')
    bst.insert(60, '我是结点60')
    bst.insert(80, '我是结点80')
    bst.insert(13, '我是结点13')
    bst.insert(12, '我是结点12')
    bst.insert(14, '我是结点14')
    bst.insert(19, '我是结点19')
    bst.insert(20, '我是结点20')
    bst.insert(16, '我是结点16')
    bst.insert(17, '我是结点17')
    
    console.log(bst.search(13))   // 我是结点13
    console.log(bst.search(50))   // 我是结点50
    console.log(bst.search(99))   // false
    

    (10)实现remove()方法

    remove()方法就是用来移除二叉查找树中指定 key 值的结点。该方法需要接收一个参数 key

    总的来说,在二叉查找树的封装中,我认为 remove() 方法应该算是需要考虑情况最最最最最多的,并且需要一定技巧的方法,因此我们先不着急封装,先来观察二叉查找树,如图

    在这里插入图片描述

    放眼望去,我们可以把结点先总的分成三种类型

    1. 叶子结点(没有子结点)
    2. 只有一个子结点(左子结点或右子结点)
    3. 有两个子结点

    同时,这三种情况就是我们在封装 remove() 方法时要考虑的三种情况,我们来分别研究一下

    • 删除的结点为叶子结点

    假设我们要删除 结点14 ,因为该结点为叶子结点,后面没有其它结点,所以直接删除它不会对后续结点造成影响,即将 结点14 的父节点 结点13 的右子结点设置为 null ,如图

    在这里插入图片描述

    • 删除的结点只有一个子结点

    假设我们要删除的结点为 结点5 ,该结点只有一个右子结点,那么我们只需要用 结点5 的右子结点来代替 结点5 原本的位置,因为 结点5 下面的所有结点肯定都小于 结点10,因此我们只需要将 结点10 的左子结点设置成 结点7 ,如图

    在这里插入图片描述
    同样的,如果我们要删除 结点15 ,也是只需要用其子结点来代替其原来的位置即可,如图
    在这里插入图片描述

    • 删除的结点有两个子结点

    假设我们要删除的结点为 结点10 ,它有两个子结点,且子结点后面还有好多结点。当 结点10 被移除以后,该位置上应该有一个比其左子结点 结点5 以及后面所有结点还要大,同时比其右子结点 结点15 以及后面所有结点还要小的结点,这样的结点怎么找呢?

    这里我给大家一个思路,此时我们有两种选择

    1. 第一种选择就是去 结点10 的左子树里找,找到左子树里 key 值最大的一个结点,在本例中,最大的结点肯定就是 结点7 了,然后我们用 结点7 代替 结点10 的位置,这样就能保证该位置上结点的 key 值大于左子树里所有结点的 key 值,又能保证小于右子树里所有结点的 key 值了。同时我们不能忘记了,结点7 也有它自己的子结点,但能保证的是它一定没有右子结点,因为如果 结点7 还有右子结点,那么 结点7 就不是最大的结点了,所以我们只需要考虑它有无左子结点即可。
      在这里插入图片描述

    2. 第二种选择自然就是去 结点10 的右子树里去找了,找到右子树里 key 值最小的一个结点,在本例中,最小的结点肯定是 结点13 了,然后我们也一样的用 结点13 代替 结点10 的位置,这样就能保证该位置上结点的 key 值大于左子树里所有结点的 key 值,又能保证小于右子树里所有结点的 key 值了。至于 结点13 的子结点如何处理,想必应该不用我再过多重复了吧
      在这里插入图片描述

    这就是 remove() 方法要考虑的三种情况了,接下来我们来讲解一下整个方法的实现思路

    实现思路:

    1. 先遍历整个二叉查找树,找到我们要删除的结点 node ,同时创建变量 parentdirection 分别记录结点 node 的父节点 以及结点node 属于其父节点的左结点还是右结点。若没有遍历到我们要删除的结点,则返回 false
    2. 若遍历到了要删除的结点 node ,则按上面提到三种情况分析结点 node 的类型,然后做出相应的处理,需要注意的是,无论分析哪种类型结点,我们还需要多做一步判断,那就是被删除结点是否为根节点 root

    好了,前面铺垫了那么多,现在我们来写一下代码吧,这里先申明一下,在面对被删除结点右两个子结点时,我选用的是我上面提到的第二种选择

    function BinarySearchTree() {
        // 属性
        this.root = null
    
    	// 结点构造函数
        function Node(key, value) {
            this.key = key
            this.value = value
            this.right = null
            this.left = null
        }
    
    	// 删除指定 key的数据
        BinarySearchTree.prototype.remove = function(key) {
            let node = this.root
            let parent = null
            let direction = ''
    
            // 1. 找到需要被删除的节点
            while(node !== null) {
                if(key < node.key) {
                    parent = node
                    direction = 'left'
                    node = node.left
                } else if(key > node.key) {
                    parent = node
                    direction = 'right'
                    node = node.right
                } else {
                    break;
                }
            }
    
            // 1.1 未找到对应节点,删除失败
            if(node === null) return false;
    
            // 1.2 找到对应节点
            // 2. 判断节点类型(叶子节点、只有一个子节点、有两个子节点)
    
            // 2.1 节点类型为叶子节点
            if(node.left === null && node.right === null) {
    
                if(node === this.root) {
                    this.root = null
                } else {
                    parent[direction] = null
                }
    
            } 
            
            // 2.2.1 节点只有一个右子节点
            else if(node.left === null) {
                if(node === this.root) {
                    this.root = this.root.right
                } else {
                    parent[direction] = node.right
                }
            } 
    
            // 2.2.2 节点只有一个左子节点
            else if(node.right === null) {
                if(node === this.root) {
                    this.root = this.root.left
                } else {
                    parent[direction] = node.left
                }
            } 
    
            // 2.3 节点有两个子节点
            else {
                let minNode = node.right
                let minNode_parent = node
                // 2.3.1 找到被删除节点右子节点的子孙节点中最小的节点
                while(minNode.left !== null) {
                    minNode_parent = minNode
                    minNode = minNode.left
                }
                
                // 2.3.2 判断 minNode是否有右子节点
                // 2.3.2.1 无右子节点
                if(minNode.right === null) {
                    if(node === this.root) {
                        this.root = minNode                 
                    } else {
                        parent[direction] = minNode      
                    }
                    minNode.left = node.left
                    minNode.right = node.right
                    minNode_parent.left = null      
                }
    
                // 2.3.2.2 有右子节点
                else {
                    if(node === this.root) {
                        this.root = minNode                
                    } else {
                        parent[direction] = minNode
                    }
                    minNode_parent.left = minNode.right
                    minNode.left = node.left
                    minNode.right = node.right      
                }
            }
            
        }    
    }
    

    这里我们仍然用上面提到的那个例子,因此先用 insert() 方法插入相应的结点

    let bst = new BinarySearchTree()
    
    bst.insert(50)
    bst.insert(10)
    bst.insert(70)
    bst.insert(5)
    bst.insert(15)
    bst.insert(7)
    bst.insert(6)
    bst.insert(13)
    bst.insert(14)
    bst.insert(60)
    bst.insert(80)
    
    let str = ''
    bst.preOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)         // 50 10 5 7 6 15 13 14 70 60 80
    

    我们采用先序遍历的方式,先验证二叉查找树的初始状态,此时的二叉树查找树如下图

    在这里插入图片描述

    • 删除结点6(叶子节点)
    bst.remove(6)
    
    let str = ''
    bst.preOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)         // 50 10 5 7 15 13 14 70 60 80
    

    在删除了 结点6 以后,先序遍历输出的结果为 50 10 5 7 15 13 14 70 60 80 ,还原成二叉查找树如下图

    在这里插入图片描述

    • 删除结点15(只有一个子结点)
    bst.remove(15)
    
    let str = ''
    bst.preOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)        // 50 10 5 7 6 13 14 70 60 80
    

    在删除了 结点15 以后,先序遍历输出的结果为 50 10 5 7 6 13 14 70 60 80 ,还原成二叉查找树如下图

    在这里插入图片描述

    • 删除结点10(有两个子结点)
    bst.remove(10)
    
    let str = ''
    bst.preOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)         // 50 13 5 7 6 15 14 70 60 80
    

    在删除了 结点10 以后,先序遍历输出的结果为 50 13 5 7 6 15 14 70 60 80 ,还原成二叉查找树如下图

    在这里插入图片描述

    • 删除根节点50(有两个子结点)
    bst.remove(50)
    
    let str = ''
    bst.preOrder(function(key) {
    	str += `${key} `
    })   
    
    console.log(str)         // 60 10 5 7 6 15 13 14 70 80
    

    在删除了 结点50 以后,先序遍历输出的结果为 60 10 5 7 6 15 13 14 70 80 ,还原成二叉查找树如下图

    在这里插入图片描述

    十三、结束语

    二叉查找树的讲解就到这里了,希望大家对二叉查找树有了更深一层的理解。下一篇文章我将讲解一下红黑树

    大家可以关注我,之后我还会一直更新别的数据结构与算法的文章来供大家学习,并且我会把这些文章放到【数据结构与算法】这个专栏里,供大家学习使用。

    然后大家可以关注一下我的微信公众号:前端印象,等这个专栏的文章完结以后,我会把每种数据结构和算法的笔记放到公众号上,大家可以去那获取。

    或者也可以去我的github上获取完整代码,欢迎大家点个Star

    我是Lpyexplore,创作不易,喜欢的加个关注,点个收藏,给个赞~ 带你们在Python爬虫的过程中学习Web前端

    展开全文
  • 链表 [Linked List]:链表由一组不必相连【不必相连:可以连续也可以不连续】的内存结构 【节点】,按特定的顺序链接在一起的抽象数据类型。链表常用的有 3 类: 单链表、双向链表、循环链表。链表的核心操作集有 ...

    java代码实现单链表,以及相关的基础操作详见:
    https://blog.csdn.net/weixin_42312342/article/details/109660817

    链表 [Linked List]:链表是由一组不必相连【不必相连:可以连续也可以不连续】的内存结构 【节点】,按特定的顺序链接在一起的抽象数据类型。链表常用的有 3 类: 单链表、双向链表、循环链表。链表的核心操作集有 3 种:插入、删除、查找【遍历】。

    1、 单链表:由各个内存结构通过一个Next 指针链接组成,每一个内存结构都存在后继内存结构【链尾除外】,内存结构由数据域Next指针域组成。
    链表结构

     文字解析:
    	Date数据+Next指针,组成一个单链表内存结构;
    	第一个内存结构成为:链头,最后一个内存结构称为链尾;
    	链尾的Next指针设置为NULL[指向空];
    	单链表的遍历只能从头到尾一直遍历;
    

    2、 双向链表:[Double Linked List]:由各个内存结构通过指针 Next 和指针 Prev 链接在一起组成,每一个内存结构都存在前驱内存结构和后继内存结构【链头没有前驱,链尾没有后继】,内存结构由数据域Prev 指针域Next 指针域组成。

    文字解析:
    	Data 数据 + Next 指针 + Prev 指针,组成一个双向链表的内存结构; 
    	第一个内存结构称为 链头,最后一个内存结构称为 链尾; 
    	链头的 Prev 指针设置为 NULL, 链尾的 Next 指针设置为 NULL; 
    	Prev 指向的内存结构称为 前驱, Next 指向的内存结构称为 后继; 
    	双向链表的遍历是双向的,即如果把从链头的 Next 一直到链尾的[NULL] 遍历方向定义为正向,那么从链尾的 Prev 一直到链头 [NULL ]遍历方向就是反向
    

    3、 单向循环链表 [Circular Linked List] : 由各个内存结构通过一个指针 Next 链接在一起组成,每一个内存结构都存在后继内存结构,内存结构由数据域和 Next 指针域组成。
    双向循环链表 [Double Circular Linked List] : 由各个内存结构通过指针 Next 和指针 Prev 链接在一起组成,每一个内存结构都存在前驱内存结构和后继内存结构,内存结构由数据域Prev 指针域Next 指针域组成。

    文字解析:
    	循环链表分为单向、双向两种;
    	单向的实现就是在单链表的基础上,把链尾的 Next 指针直接指向链头,形成一个闭环;
    	双向的实现就是在双向链表的基础上,把链尾的 Next 指针指向链头,再把链头的 Prev 指针指向链尾,形成一个闭环;
    	循环链表没有链头和链尾的说法,因为是闭环的,所以每一个内存结构都可以充当链头和链尾;
    

    4、 静态链表: 让数组的元素都是由两个数据组成,datacur . 即数组的每个下标都对应一个data和 cur . 数据域data 用来存放数据元素 ,游标cur 相当于单链表中的指针, 存放该元素的后继在数组中的下标. 这种用数组描述的链表叫静态链表. 其在插入和删除操作时,只需要修改游标,不需要移动元素. 但是没有解决连续储存分配带来的表长难以确定的问题,且失去了顺序存储结构随机存储的特性。

    本文内容大部分参照 作者: 半纸渊 https://www.jianshu.com/p/73d56c3d228c
    (想要更详细解释请点击此链接查阅)

    展开全文
  • 结构是一种非常常见的数据结构,并且在很多场景下也被用到。其实栈结构跟数组结构很像,只是在数组的基础...数据结构——栈一、什么是栈二、栈结构的方法三、用代码实现一个栈结构(1)创建一个构造函数(2)实现push

    本系列文章【数据结构与算法】所有完整代码已上传 github,想要完整代码的小伙伴可以直接去那获取,可以的话欢迎点个Star哦~下面放上跳转链接

    栈结构是一种非常常见的数据结构,并且在很多场景下也被用到。其实栈结构跟数组结构很像,只是在数组的基础上,对栈结构做了一些限制,本文我们将对其进行详细的介绍。
    在这里插入图片描述

    • 公众号:前端印象
    • 不定时有送书活动,记得关注~
    • 关注后回复对应文字领取:【面试题】、【前端必看电子书】、【数据结构与算法完整代码】、【前端技术交流群】

    一、什么是栈

    上面是说了,相对于数组结构做了一些限制。在使用数组结构的时候,我们可以任意的取出数组内的任何元素,也可以随意在指定位置插入元素,而却对元素的获取插入做了一些限制。

    我们可以形象地把栈理解成一个没有盖子的茶杯,例如下图
    在这里插入图片描述
    杯口的位置叫做栈顶
    杯底的位置叫做栈底

    现在我们往被子里放入一个物体,这个操作叫做入栈,这也就相当于我们向栈内插入一个元素
    在这里插入图片描述
    我们再进行一次入栈操作,结果如下
    在这里插入图片描述
    此时,我们想要从杯子里拿出一个物体,可以很明显的看到,物体1物体2盖住了,所以我们只能先拿到 物体2,所以,我们就把 物体2 取出了,这样的操作成为出栈,结果如下
    在这里插入图片描述
    此时再进行一次出栈操作,就把 物体1 拿出来了,此时栈就为空了,结果如下:
    在这里插入图片描述

    看了上面的讲解,相信你们对栈结构有了很深刻的印象,所以这里我来总结一下:

    • 栈是一种受限的线性数据结构,它对元素的操作遵循的是先进后出,也就是向入栈的元素会比后入栈的元素晚一点取出来。

    二、栈结构的方法

    我们都知道像数组结构,都有一些操作元素的方法,例如在末尾插入元素 、在头部插入元素 、删除指定位置的元素等等,同样的,栈结构也是有它自己的操作元素的方法的,接下来我们就来介绍一下,栈结构常用的操作元素的方法有哪些吧。

    方法 含义
    push() 入栈操作
    pop() 出栈操作
    getTopElement() 返回栈顶的元素,但不会移除栈顶的元素
    isEmpty() 查看栈是否为空
    size() 返回栈内元素的个数
    toString() 以字符串的形式展示栈内的所有元素

    三、用代码实现一个栈结构

    接下来,我们就用JavaScript封装实现一个基于数组的栈结构的类,因为是基于数组实现的栈,所以我们可以把数组的头部看作是栈底,把数组的尾部看作是栈顶

    (1)创建一个构造函数

    首先就是声明一个构造函数Stack,然后并在内部创建一个空数字,用于储存数据元素

    function Stack() {
    	//属性
        this.list = []
    }
    

    (2)实现push()方法

    push()方法就是进行入栈操作,所以我们需要向栈顶(数组的尾部)插入元素

    接下来我们来单独实现一下该方法

    function Stack() {
    	//属性
    	this.list = []
    	
        //push()方法的实现
        Stack.prototype.push = function (e) {
            this.list.push(e)
        }
    }
    

    我们来使用一下该方法

    let stack = new Stack()
    stack.push(3)
    stack.push(9)
    stack.push(5)
    

    经过上面操作后,栈内的情况是这样的:
    在这里插入图片描述

    (3)实现pop()方法

    pop()方法就是进行出栈操作,所以我们需要取出栈顶的第一个元素(数组的尾部),并返回取出的元素

    接下来我们就来实现一下该方法

    function Stack() {
    	//属性
    	this.list = []
    	
        //pop()方法的实现
        Stack.prototype.pop = function (e) {
            return this.list.pop()
        }
    }
    

    我们来使用一下该方法

    let stack = new Stack()
    //先按 3 9 5 的顺序入栈,再进行出栈操作
    stack.push(3)
    stack.push(9)
    stack.push(5)
    
    stack.pop()        //返回 5
    

    此时栈内的情况是这样的,元素5被取出,此时栈顶第一个为元素9
    在这里插入图片描述

    (4)实现getTopElement()方法

    getTopElement()方法就相当于是查看一下栈顶的元素是什么(查看数组尾部的元素),而不会对栈内元素进行任何的入栈或出栈操作

    我们来实现一下该方法

    function Stack() {
    	//属性
    	this.list = []
    	
        //getTopElement()方法的实现
        Stack.prototype.getTopElement = function () {
            return this.list[this.list.length - 1]
        }
    }
    

    我们来使用一下该方法

    let stack = new Stack()
    //先按 3 9 5 的顺序入栈,再查看一下栈顶元素是什么
    stack.push(3)
    stack.push(9)
    stack.push(5)
    
    stack.getTopElement()     //返回 5
    

    (5)实现isEmpty()方法

    isEmpty()方法就是看看栈内是否有元素(查看数组是否为空),有的话就返回 false,没有就返回 true

    我们来实现一下该方法

    function Stack() {
    	//属性
    	this.list = []
    	
        //isEmpty()方法的实现
        Stack.prototype.isEmpty = function () {
            let size = this.list.length
            if(size === 0) {
                return true
            }
            else {
                return false
            }
        }
    }
    

    我们来使用一下该方法

    let stack = new Stack()
    
    stack.isEmpty()    // true,因为此时还没有插入元素
    
    stack.push(3)
    
    stack.isEmpty()   // false,将 3 入栈了,所以栈不会空,返回false
    

    (6)实现size()方法

    size()方法就是查看栈内有多少元素(查看数组的长度)并返回

    我们来实现一下该方法

    function Stack() {
    	//属性
    	this.list = []
    	
        //size()方法的实现
        Stack.prototype.size = function () {
            return this.list.length
        }
    }
    

    我们来使用一下该方法

    let stack = new Stack()
    
    stack.size()       // 0,因为还没进行过入栈操作
    
    stack.push(4)
    stack.push(7)
    
    stack.size()       //  2,因为栈内有两个元素,所以返回 2
    

    (7)实现toString()方法

    toString()方法就是将栈内的元素用字符串的方式展示出来(将数组转化成字符串)并返回

    我们来实现一下该方法

    function Stack() {
    	//属性
    	this.list = []
    	
        //toString()方法的实现
        Stack.prototype.toString = function () {
            let string = ''
            for(let i in this.list) {
                string += `${this.list[i]} `
            }
            return string
        }
    }
    

    我们来使用一下该方法

    let stack = new Stack()
    
    stack.push(3)
    stack.push(9)
    stack.push(5)
    
    stack.toString()        //   返回 3 9 5
    

    四、栈结构的实战应用

    现在需要通过栈结构实现一个函数,将输入的十进制转化成二进制

    我们都知道,十进制转二进制是将一个数每次都除以2,一直到无法再除以2以后,倒着将每次除以2后获得的余数连接起来,就是正确的二进制数,如下图
    在这里插入图片描述
    所以,我们可以看到,最先获得的余数是最后才被取走的,这是一个很典型的栈结构的例子。每次除得的余数,就对其进行入栈操作,最后再进行多次出栈操作就可以实现十进制转二进制的功能了。

    因此我们来封装一下这样一个函数

    function d2b(number) {
        let stack = new Stack()
    
        while (number > 0) {
    
            stack.push(number % 2)
    
            number = Math.floor(number / 2)
        }
    
        let string = ''
        while (!stack.isEmpty()) {
            string += stack.pop()
        }
    }
    

    我们来使用一下这个函数,看看是否正确

    d2b(100)           //返回 1100100
    

    好了,这个例子的功能函数封装完成了

    五、总结

    栈结构的讲解就到这里了,希望大家对栈结构有了更深一层的理解。下一篇文章我将讲解一下队列

    大家可以关注我,之后我还会一直更新别的数据结构与算法的文章来供大家学习,并且我会把这些文章放到【数据结构与算法】这个专栏里,供大家学习使用。

    然后大家可以关注一下我的微信公众号:前端印象,等这个专栏的文章完结以后,我会把每种数据结构和算法的笔记放到公众号上,大家可以去那获取。

    或者也可以去我的github上获取完整代码,欢迎大家点个Star

    我是Lpyexplore,创作不易,喜欢的加个关注,点个收藏,给个赞~ 带你们在Python爬虫的过程中学习Web前端

    展开全文
  • 队列结构平时非常常见的一种受限的线性数据结构。它跟栈结构一样都受限的数据结构,区别就是...数据结构——队列一、什么是队列二、队列结构的方法三、用代码实现一个队列结构(1)创建一个构造函数(2)实现enq
  • 我们常常上网查询学C以后学什么,网山有很多回答,但是不管什么回答,都会提到数据结构! 没学透数据结构之前认为就是一群老外为了提高逼格提出的一个绕晕你的概念,后来听到一个笑话,...一什么是数据结构 数据结构
  • 一开始就来一些概念性的东西,其实并不是让人接受的方法...算法与数据结构就是这样一门科学,光看当时看懂了,可是有用吗,有,不过当下,之后你就会忘得一干二净,怎么办呢,不要只是看,真的不要只是看,现在很
  • 我是如何学习数据结构与算法的?

    千次阅读 多人点赞 2018-10-24 16:25:02
    主要是最近几天后台有读者问我是如何学习数据结构与算法的,有没有什么捷径,是要看视频还是看书,去哪刷题等…而且有些还是大三大四的,搞的我都替你们着急、担心… 所以我今天就分享下自己平时都是怎么学习的。 ...
  • 害怕数据结构学得好的程序员,一跟他们讨论技术,就感觉自己不是程序员,仅仅是在搬砖维持生活。所拥有的编程技巧是什么?不就是每个程序员都会的,对数据库的增删改查吗?每一...
  • 大家好,本人在想,比如说你...在想这个服务器是怎么将我们的数据,比如说账号与口令组织在一起的,底层用的是什么数据结构,是树结构吗?比如说AVL树,红黑树,B树,还是其他什么的数据结构呢。请教一下各位大神了!
  • java中的mvc和三层结构究竟是什么关系

    万次阅读 多人点赞 2016-12-12 17:21:52
    一件事,要知其然往往很简单,要知其所以然通常不是那么容易,就如最近重新巩固spring的过程中,就觉得还有许多...而mvc和三层结构究竟是什么关系,曾在面试的过程中被人问过几次,也曾仔细的想过、查过这个问题,但
  • 什么要学习数据结构

    千次阅读 多人点赞 2019-12-17 16:05:08
    本来我是不打算写这篇文章的,问为什么要学本来就是一个很傻的问题,不过作为专栏的第一篇,我再三思考了一下, 觉得一上来就写知识点也不是一个好的选择。既然是第一篇文章,还是来聊一聊数据结构吧。 什么是数据...
  • 第0层次:“数据结构是什么?” 第0层次是指对数据结构一无所知。我们从来没有听说过数据结构,从来没有注意到对数据进行合理的组织能够大幅度提升程序的运行效率。 第1层次:“听说过散列表,虽然不太明白,但...
  • 听说你还不知道什么是冯诺依曼体系?赶紧转行吧,这可是最基本的最基础的啊,要知道冯诺依曼可是计算机行业祖师爷般的存在啊,所以啊,无论你学习java,Python,还是天下第一的PHP,只要你个干编程的,那你就...
  • 转载于:...然后有的人就产生了疑问,为什么要这么写呢?好像直接写 add(……); 也可以啊?的确,现在直接写 add(……); 可以的,但是在 java 1.4 还是更早的年代,这一句...
  • 基础ROS小车软件结构到底是什么样子的?

    千次阅读 多人点赞 2020-08-12 19:36:03
    1.ROS小车开发手册-软件结构以及控制流程介绍 0.前言 想必大多数读者,在刚开始搭建ROS小车的时候,都会...让大家清楚,日后我们需要一步步做些什么,以及我们每做的一步在整体的系统中起的什么作用。 1.开篇 首先,
  • 上一篇文章讲解了链表的相关知识,并用代码实现了一个链表结构。那么本文将介绍一下另一种特殊的链表结构,叫做 双向链表。 顾名思义,普通的链表都从 head 开始往后遍历...数据结构——双向链表一、什么是双向链表二
  • 近期看了一篇文章关于数据库的工作原理的,其中提到了两种数据库的数据结构一种阵列,一种哈希表,想请问各位大牛mysql db在磁盘上存储如何存储的呢?阵列还是哈希表存储呢??
  • 在学习如何向 JFrame 添加控件时,很多人都会在教科书上看到这样的语句:... 可以的,但是在 java 1.4 还是更早的年代,这一句 getContentPane() 却必不可少的,这里就不得不吐槽一下当年的 Swing 的开
  • 数据结构——优先级队列一、什么是优先级队列 一、什么是优先级队列 在了解了什么是队列以后,我们再来了解优先级队列,顾名思义,优先级队列就是在队列的基础上给每个元素加上了先后顺序,我们仍然拿排队买票的例子...
  • 一件事,要知其然往往很简单,要知其所以然通常不是那么容易,就如最近重新巩固spring的过程中,就觉得还有... 而mvc和三层结构究竟是什么关系,曾在面试的过程中被人问过几次,也曾仔细的想过、查过这个问题,但是直
  • 现在要计算某个sample在整个文件(注意,不是某个track)中的偏移量,那么肯定要先搞清楚各个大的box才存储顺序。 比如ftyp和moov以及mdat,它们三个box之间在存储器中存放是否按照特定的顺序?
  • 文章目录0 什么是数据结构和算法1 为什么学习2 学习什么3 怎么学习 0 什么是数据结构和算法 1、数据结构是指一组数据的存储结构 2、算法就是操作数据的方法 3、数据结构和算法相辅相成的,数据结构是为算法服务的...
  • 数据结构中出现的cout是什么

    千次阅读 2017-04-04 00:03:59
    转载自cout百度百科 ... 由于以前学过C,所以这段代码的其它部分在看来都还算“正常”,然而cout却很...由于只是初步介绍,所以那本书只是简单的说coutC++中的“标准输入输出流”对象……这对于而言实在一个很深
  • 优秀课件笔记之什么是数据结构

    千次阅读 2008-03-21 11:28:00
    1、本文所以内容来自 著名高校课件和学生笔记(校园里面经常见到有人高价买笔记)2、任课教师不会提供参考文献,所以只能对...第一章 绪 论1.1 什么是数据结构1.2 基本概念和术语1.3 抽象数据类型的表示与实现1.4 算法
  • -------------------------------------------------本来收藏在为知笔记里的的,但是觉得有必要贴出来一下,刚学,奉献给同一样的初学者--------------------------------------------------   在学习...
  • 本人乃一个数据痴迷者,在计算机的道路上,也一个数据结构的痴迷者,现在大学里面和同学搞开发也痴迷于数据库,个人的理解给你谈一谈: 首先,数据结构是一门计算机语言学的基础学科,它不属于任何一门语言,其...
  • 比如,我们要做一个web学生作业在线管理系统,它的系统结构(软件体系结构、软件架构)设计是什么?我们老师要求做这一部分的PPT讲解,不知道这一块怎么写。求助。不是功能图吧?功能图已经分析并做好了
  • 【Java演示】什么是链表?数据结构(三)

    万次阅读 多人点赞 2020-05-03 16:38:58
    目录链表:随机存储,顺序访问(读取)前言一、单向链表什么叫随机存储呢?链表的基本操作1. 查找节点2. 更新节点3. 插入节点3.1. 尾部插入3.2. 头部插入3.3. 中间插入4. 删除元素4.1. 尾部删除4.1. 头部删除4.1. ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 26,287
精华内容 10,514
关键字:

我是什么结构