使用python编写程序,实现: 1 二叉树的链式存储结构; 2 二叉树的递归算法。 [实验要求] 1 定义二叉树的数据类型,要求用二叉链实现; 2 创建二叉树的存储结构,要求用两种方法实现: (1) 根据输入的字符串创建 (2) 根据二叉树的后序和中序遍历序列创建 3 实现二叉树的递归算法: (1) 先序、中序、后序遍历二叉树,并输出遍历序列; (2) 求二叉树的叶子结点数; (3) 交换二叉树上所有结点的左右子树; (4) 判断两棵二叉树是否相同; (5) 复制二叉树。 4 输出二叉树的图形结构

时间: 2023-11-14 12:12:59 浏览: 56
好的,我记录下来了。以下是使用 Python 实现二叉树的链式存储结构和递归算法的代码: ```python class TreeNode: def __init__(self, data): self.data = data self.left = None self.right = None class BinaryTree: def __init__(self): self.root = None def create_tree_from_input(self, input_str): input_list = input_str.split() node_list = [] for i in range(len(input_list)): if input_list[i] != '#': node = TreeNode(int(input_list[i])) node_list.append(node) if i == 0: self.root = node else: if i % 2 == 1: node_list[(i-1)//2].left = node else: node_list[(i-1)//2].right = node def create_tree_from_post_and_inorder(self, postorder, inorder): if not postorder or not inorder: return None root_val = postorder[-1] root = TreeNode(root_val) index = inorder.index(root_val) root.left = self.create_tree_from_post_and_inorder(postorder[:index], inorder[:index]) root.right = self.create_tree_from_post_and_inorder(postorder[index:-1], inorder[index+1:]) self.root = root return root def preorder(self, root): if root: print(root.data, end=' ') self.preorder(root.left) self.preorder(root.right) def inorder(self, root): if root: self.inorder(root.left) print(root.data, end=' ') self.inorder(root.right) def postorder(self, root): if root: self.postorder(root.left) self.postorder(root.right) print(root.data, end=' ') def count_leaves(self, root): if not root: return 0 if not root.left and not root.right: return 1 return self.count_leaves(root.left) + self.count_leaves(root.right) def swap_left_and_right(self, root): if root: temp = root.left root.left = root.right root.right = temp self.swap_left_and_right(root.left) self.swap_left_and_right(root.right) def is_same_tree(self, root1, root2): if not root1 and not root2: return True if not root1 or not root2: return False if root1.data != root2.data: return False return self.is_same_tree(root1.left, root2.left) and self.is_same_tree(root1.right, root2.right) def copy_tree(self, root): if not root: return None new_root = TreeNode(root.data) new_root.left = self.copy_tree(root.left) new_root.right = self.copy_tree(root.right) return new_root def draw_tree(self, root): if not root: return None node_list = [(root, 0)] cur_level = 0 res = '' while node_list: node, level = node_list.pop(0) if level > cur_level: res += '\n' cur_level = level res += str(node.data) + ' ' if node.left: node_list.append((node.left, level+1)) if node.right: node_list.append((node.right, level+1)) print(res) ``` 其中,`TreeNode` 类表示二叉树的节点,`BinaryTree` 类表示二叉树,其中包含了二叉树的创建、遍历、节点数、交换左右子树、判断是否相同、复制、绘制等功能。 例如,使用 `create_tree_from_input` 方法创建二叉树: ```python tree = BinaryTree() tree.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree.draw_tree(tree.root) ``` 输出: ``` 5 3 8 1 4 10 ``` 使用 `create_tree_from_post_and_inorder` 方法根据后序遍历和中序遍历创建二叉树: ```python tree = BinaryTree() tree.create_tree_from_post_and_inorder([1, 4, 3, 10, 8, 5], [1, 3, 4, 5, 8, 10]) tree.draw_tree(tree.root) ``` 输出: ``` 5 3 8 1 4 10 ``` 使用 `preorder`、`inorder`、`postorder` 方法遍历二叉树: ```python tree = BinaryTree() tree.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree.preorder(tree.root) # 5 3 1 4 8 10 tree.inorder(tree.root) # 1 3 4 5 8 10 tree.postorder(tree.root) # 1 4 3 10 8 5 ``` 使用 `count_leaves` 方法计算二叉树的叶子节点数: ```python tree = BinaryTree() tree.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') print(tree.count_leaves(tree.root)) # 3 ``` 使用 `swap_left_and_right` 方法交换二叉树的左右子树: ```python tree = BinaryTree() tree.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree.swap_left_and_right(tree.root) tree.draw_tree(tree.root) ``` 输出: ``` 5 8 3 # 10 4 1 ``` 使用 `is_same_tree` 方法判断两棵二叉树是否相同: ```python tree1 = BinaryTree() tree1.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree2 = BinaryTree() tree2.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree3 = BinaryTree() tree3.create_tree_from_input('5 3 8 1 4 # 10 # # # # # 7') print(tree1.is_same_tree(tree2.root, tree3.root)) # False ``` 使用 `copy_tree` 方法复制二叉树: ```python tree1 = BinaryTree() tree1.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree2 = BinaryTree() tree2.root = tree2.copy_tree(tree1.root) tree2.draw_tree(tree2.root) ``` 输出: ``` 5 3 8 1 4 10 ``` 使用 `draw_tree` 方法绘制二叉树: ```python tree = BinaryTree() tree.create_tree_from_input('5 3 8 1 4 # 10 # # # # # #') tree.draw_tree(tree.root) ``` 输出: ``` 5 3 8 1 4 10 ```

相关推荐

最新推荐

recommend-type

C++使用递归和非递归算法实现的二叉树叶子节点个数计算方法

本文主要介绍了C++使用递归和非递归算法实现的二叉树叶子节点个数计算方法,涉及C++二叉树的定义、遍历、统计相关操作技巧。 一、二叉树的定义 在计算机科学中,二叉树是一种常用的数据结构,它由节点和边组成,每...
recommend-type

python使用递归的方式建立二叉树

在Python中,构建二叉树通常涉及数据结构和递归的概念。二叉树是一种特殊的树形数据结构,其中每个节点最多有两个子节点,通常称为左子节点和右子节点。在给定的代码中,我们首先定义了一个名为`BinaryTree`的类,...
recommend-type

C++ 数据结构二叉树(前序/中序/后序递归、非递归遍历)

"C++ 数据结构二叉树(前序/中序/后序递归、非递归遍历)" 本文主要介绍了C++ 数据结构二叉树的相关知识点,包括二叉树的定义、特点、遍历方式等。同时,提供实例代码来帮助大家理解掌握二叉树。 一、什么是二叉树...
recommend-type

用Python实现二叉树、二叉树非递归遍历及绘制的例子

在Python中实现二叉树,通常涉及到节点定义、遍历算法和可视化表示。本文将详细介绍如何用Python构建二叉树,非递归遍历以及绘制二叉树。 首先,我们创建一个二叉树节点类(BiNode),它包含元素值(element)以及...
recommend-type

python 使用turtule绘制递归图形(螺旋、二叉树、谢尔宾斯基三角形)

2. **递归绘制二叉树** 二叉树的绘制基于分治的思想。我们定义一个`draw_tree`函数,它首先绘制当前分支的长度,然后分别向右和向左旋转一定角度(这里分别是20度和40度)来绘制分支的左右子树。递归过程中,每次...
recommend-type

GO婚礼设计创业计划:技术驱动的婚庆服务

"婚礼GO网站创业计划书" 在创建婚礼GO网站的创业计划书中,创业者首先阐述了企业的核心业务——GO婚礼设计,专注于提供计算机软件销售和技术开发、技术服务,以及与婚礼相关的各种服务,如APP制作、网页设计、弱电工程安装等。企业类型被定义为服务类,涵盖了一系列与信息技术和婚礼策划相关的业务。 创业者的个人经历显示了他对行业的理解和投入。他曾在北京某科技公司工作,积累了吃苦耐劳的精神和实践经验。此外,他在大学期间担任班长,锻炼了团队管理和领导能力。他还参加了SYB创业培训班,系统地学习了创业意识、计划制定等关键技能。 市场评估部分,目标顾客定位为本地的结婚人群,特别是中等和中上收入者。根据数据显示,广州市内有14家婚庆公司,该企业预计能占据7%的市场份额。广州每年约有1万对新人结婚,公司目标接待200对新人,显示出明确的市场切入点和增长潜力。 市场营销计划是创业成功的关键。尽管文档中没有详细列出具体的营销策略,但可以推断,企业可能通过线上线下结合的方式,利用社交媒体、网络广告和本地推广活动来吸引目标客户。此外,提供高质量的技术解决方案和服务,以区别于竞争对手,可能是其市场差异化策略的一部分。 在组织结构方面,未详细说明,但可以预期包括了技术开发团队、销售与市场部门、客户服务和支持团队,以及可能的行政和财务部门。 在财务规划上,文档提到了固定资产和折旧、流动资金需求、销售收入预测、销售和成本计划以及现金流量计划。这表明创业者已经考虑了启动和运营的初期成本,以及未来12个月的收入预测,旨在确保企业的现金流稳定,并有可能享受政府对大学生初创企业的税收优惠政策。 总结来说,婚礼GO网站的创业计划书详尽地涵盖了企业概述、创业者背景、市场分析、营销策略、组织结构和财务规划等方面,为初创企业的成功奠定了坚实的基础。这份计划书显示了创业者对市场的深刻理解,以及对技术和婚礼行业的专业认识,有望在竞争激烈的婚庆市场中找到一席之地。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【基础】PostgreSQL的安装和配置步骤

![【基础】PostgreSQL的安装和配置步骤](https://img-blog.csdnimg.cn/direct/8e80154f78dd45e4b061508286f9d090.png) # 2.1 安装前的准备工作 ### 2.1.1 系统要求 PostgreSQL 对系统硬件和软件环境有一定要求,具体如下: - 操作系统:支持 Linux、Windows、macOS 等主流操作系统。 - CPU:推荐使用多核 CPU,以提高数据库处理性能。 - 内存:根据数据库规模和并发量确定,一般建议 8GB 以上。 - 硬盘:数据库文件和临时文件需要占用一定空间,建议预留足够的空间。
recommend-type

字节跳动面试题java

字节跳动作为一家知名的互联网公司,在面试Java开发者时可能会关注以下几个方面的问题: 1. **基础技能**:Java语言的核心语法、异常处理、内存管理、集合框架、IO操作等是否熟练掌握。 2. **面向对象编程**:多态、封装、继承的理解和应用,可能会涉及设计模式的提问。 3. **并发编程**:Java并发API(synchronized、volatile、Future、ExecutorService等)的使用,以及对并发模型(线程池、并发容器等)的理解。 4. **框架知识**:Spring Boot、MyBatis、Redis等常用框架的原理和使用经验。 5. **数据库相
recommend-type

微信行业发展现状及未来发展趋势分析

微信行业发展现状及未来行业发展趋势分析 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信月活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。 微信作为流量枢纽,已经成为移动互联网的基础设施,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。 中国的整体移动互联网人均单日使用时长已经较高水平。18Q1中国移动互联网的月度总时长达到了77千亿分钟,环比17Q4增长了14%,单人日均使用时长达到了273分钟,环比17Q4增长了15%。而根据抽样统计,社交始终占据用户时长的最大一部分。2018年3月份,社交软件占据移动互联网35%左右的时长,相比2015年减少了约10pct,但仍然是移动互联网当中最大的时长占据者。 争夺社交软件份额的主要系娱乐类App,目前占比达到约32%左右。移动端的流量时长分布远比PC端更加集中,通常认为“搜索下載”和“网站导航”为PC时代的流量枢纽,但根据统计,搜索的用户量约为4.5亿,为各类应用最高,但其时长占比约为5%左右,落后于网络视频的13%左右位于第二名。PC时代的网络社交时长占比约为4%-5%,基本与搜索相当,但其流量分发能力远弱于搜索。 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。 微信作为移动互联网的基础设施,已经成为流量枢纽,月活跃账户达到10.4亿,同增10.9%,是全国用户量最多的手机App。微信的活跃账户从2012年起步月活用户仅为5900万人左右,伴随中国移动互联网进程的不断推进,微信的活跃账户一直维持稳步增长,在2014-2017年年末分别达到5亿月活、6.97亿月活、8.89亿月活和9.89亿月活。 微信的用户数量增长已经开始呈现乏力趋势,这是因为微信自身也在重新寻求新的增长点。微信日活发展历程显示,微信的用户数量增长已经开始呈现乏力趋势。微信在2018年3月日活达到6.89亿人,同比增长5.5%,环比上个月增长1.7%。微信的日活同比增速下滑至20%以下,并在2017年年底下滑至7.7%左右。 微信DAU/MAU的比例也一直较为稳定,从2016年以来一直维持75%-80%左右的比例,用户的粘性极强,继续提升的空间并不大。因此,在整体用户数量开始触达天花板的时候,微信自身也在重新寻求新的增长点。