Python Binarytree用法及代码示例

二叉树是一种数据结构，其中每个节点或顶点最多有两个子节点。在Python中，二叉树可以通过不同的数据结构(字典、列表)和节点的类表示以不同的方式表示。然而，binarytree库有助于直接实现二叉树。它还支持堆和二叉搜索树(BST)。该模块未预装 Python 的标准实用程序模块。要安装它，请在终端中键入以下命令。

pip install binarytree 

创建节点

节点类表示二叉树中特定节点的结构。这个类的属性是values，left，right。

用法： binarytree.Node(value, left=None, right=None)
参数： 
value: Contains the data for a node. This value must be number. 
left: Contains the details of left node child. 
right: Contains details of the right node child. 
 

注意：如果左或右子节点不是binarytree.Node类的实例，则引发binarytree.exceptions.NodeTypeError，如果节点值不是数字，则引发binarytree.exceptions.NodeValueError。
例子：

from binarytree import Node 
root = Node(3) 
root.left = Node(6) 
root.right = Node(8) 
  
# Getting binary tree 
print('Binary tree :', root) 
  
# Getting list of nodes 
print('List of nodes :', list(root)) 
  
# Getting inorder of nodes 
print('Inorder of nodes :', root.inorder) 
  
# Checking tree properties 
print('Size of tree :', root.size) 
print('Height of tree :', root.height) 
  
# Get all properties at once 
print('Properties of tree : \n', root.properties) 

输出：

Binary tree : 
3 
/ \ 
6 8
List of nodes : [Node(3), Node(6), Node(8)]
Inorder of nodes : [Node(6), Node(3), Node(8)]
Size of tree : 3
Height of tree : 1
Properties of tree : 
{‘height’: 1, ‘size’: 3, ‘is_max_heap’: False, ‘is_min_heap’: True, ‘is_perfect’: True, ‘is_strict’: True, ‘is_complete’: True, ‘leaf_count’: 2, ‘min_node_value’: 3, ‘max_node_value’: 8, ‘min_leaf_depth’: 1, ‘max_leaf_depth’: 1, ‘is_bst’: False, ‘is_balanced’: True, ‘is_symmetric’: False}

从 List 构建二叉树：

我们可以使用build()方法将值列表转换为二叉树，而不是重复使用Node方法。
这里，给定列表包含树的节点，使得索引 i 处的元素的左子元素位于索引 2*i+1 处，右子元素位于索引 2*i+2 处，父元素位于 (i - 1)//2 。对于 j>len(list)//2，索引 j 处的元素是叶节点。 None 表示该索引处不存在节点。在使用 value 属性构建二叉树后，我们还可以获取节点列表。

例子：

# Creating binary tree  
# from given list 
from binarytree import build 
  
  
# List of nodes 
nodes =[3, 6, 8, 2, 11, None, 13] 
  
# Building the binary tree 
binary_tree = build(nodes) 
print('Binary tree from list :\n', 
      binary_tree) 
  
# Getting list of nodes from 
# binarytree 
print('\nList from binary tree :',  
      binary_tree.values) 

输出：

Binary tree from list :
 
    ___3
   /    \
  6      8
 / \      \
2   11     13


List from binary tree : [3, 6, 8, 2, 11, None, 13]

构建随机二叉树：

tree()生成一个随机二叉树并返回其根节点。

例子：

from binarytree import tree 
  
  
# Create a random binary  
# tree of any height 
root = tree() 
print("Binary tree of any height :") 
print(root) 
  
# Create a random binary  
# tree of given height 
root2 = tree(height = 2) 
print("Binary tree of given height :") 
print(root2) 
  
# Create a random perfect  
# binary tree of given height 
root3 = tree(height = 2, 
             is_perfect = True) 
print("Perfect binary tree of given height :") 
print(root3) 

输出：

Binary tree of any height :

      14____
     /      \
    2        5__
   /        /   \
  6        1     13
 /        /     /  \
7        9     4    8

Binary tree of given height :

  1__
 /   \
5     2
     / \
    4   3

Perfect binary tree of given height :

    __3__
   /     \
  2       4
 / \     / \
6   0   1   5

构建 BST：

二叉搜索树是一种特殊类型的树数据结构，其顺序给出了节点或顶点的排序列表。在Python中，我们可以使用binarytree模块直接创建BST对象。 bst()生成一个随机二叉搜索树并返回其根节点。

例子：

from binarytree import bst 
  
  
# Create a random BST  
# of any height 
root = bst() 
print('BST of any height : \n', 
      root) 
  
# Create a random BST of  
# given height 
root2 = bst(height = 2) 
print('BST of given height : \n', 
      root2) 
  
# Create a random perfect  
# BST of given height 
root3 = bst(height = 2,  
            is_perfect = True) 
print('Perfect BST of given height : \n', 
      root3) 

输出：

BST of any height : 
 
        ____9______
       /           \
    __5__       ____12___
   /     \     /         \
  2       8   10         _14
 / \     /      \       /
1   4   7        11    13

BST of given height : 
 
    5
   / \
  4   6
 /
3

Perfect BST of given height : 
 
    __3__
   /     \
  1       5
 / \     / \
0   2   4   6

导入堆：

堆是一种树形数据结构，可以有两种类型 -

• 最大堆
• 最小堆
  

使用二叉树库的heap()方法，我们可以生成一个随机最大堆并返回其根节点。要生成 minheap，我们需要将 is_max 属性设置为 False。

from binarytree import heap 
  
  
# Create a random max-heap 
root = heap() 
print('Max-heap of any height : \n', 
      root) 
  
# Create a random max-heap 
# of given height 
root2 = heap(height = 2) 
  
print('Max-heap of given height : \n', 
      root2) 
  
# Create a random perfect  
# min-heap of given height 
root3 = heap(height = 2,  
             is_max = False,  
             is_perfect = True) 
  
print('Perfect min-heap of given height : \n', 
      root3) 

输出：

Max-heap of any height : 
 
         _______14______
        /               \
    ___12__            __13__
   /       \          /      \
  10        8        3        9
 /  \      / \      / \      /
1    5    4   6    0   2    7

Max-heap of given height : 
 
    __6__
   /     \
  4       5
 / \     / \
2   0   1   3

Perfect min-heap of given height : 
 
    __0__
   /     \
  1       3
 / \     / \
2   6   4   5