二叉树是很重要的数据结构，在面试还是日常开发中都是很重要的角色。
首先是建立树的过程，对比C或是C++的实现来讲，其涉及到了较为复杂的指针操作，但是在面向对象的语言中，就不需要考虑指针, 内存等。首先我们需要定义一个树节点, 我们采用基于链表设计的节点, 首先定义一个数据域, 其次就是左孩子和右孩子。如下定义:
# 树节点的定义 class Node: def __init__(self, data=-1, lchild=None, rchild=None): self.lchild = lchild # 表示左子树 self.rchild = rchild # 表示右子树 self.data = data # 表示数据域
建立树的实现有两种，遍历建树与层次建树，这两种分别是基于堆栈和队列来实现的，先来看看最基本的递归建树。
递归建树的过程无非就是一路走到底，但是需要将节点的左右孩子节点对其余的节点相关联起来。因此，我们可以如此来实现:
def traversal_create(self, root): data = input() if data is "#": return None else: root.data = data root.lchild = self.traversal_create(root.lchild) root.rchild = self.traversal_create(root.rchild) return root
首先我们传入的参数是一个默认的节点，其data数据域为-1，然后我们接受输入的数据，赋值给节点数据域，然后就是递归了，将左右孩子节点关联起来。总体来讲，应该不难理解。
下面看看层次建树的实现，所谓层次建树其实就是基于队列的操作，利用队列先进先出的特点，每次我们访问一个节点的时候，将其存入队列中，待遍历玩当前节点的左右孩子节点，队列就弹出一个节点，之后的操作都是一样的。看看代码:
def add(self, elem): node = Node(elem) # 根节点 if self.root.data == -1: self.root = node self.myQueue.append(self.root) else: treeNode = self.myQueue[0] # 记录结点 if treeNode.lchild is None: treeNode.lchild = node self.myQueue.append(treeNode.lchild) else: treeNode.rchild = node self.myQueue.append(treeNode.rchild) self.myQueue.popleft() # 弹出已经处理好左右子树的父结点
我们输入一个数据，然后根据数据初始化一个节点，放入队列中，随后就是访问的操作了。
树的三序遍历就不用说了，基于递归的，很好理解，那么基于队列以及堆栈的的遍历呢？
对比下基于队列的建树，我们完全可以写出基于队列的遍历, 也是使用队列来存储节点，然后输出左右孩子的数据：
# 层次遍历 使用队列 def queue_tarversal(self, root): if root is None: return q = deque() q.append(root) while q: node = q.pop() print(node.data) if node.lchild is not None: q.append(node.lchild) else: q.append(node.rchild)
基于堆栈的呢？联想下堆栈的特点，我们一路沿着左子树遍历下去，同时使用堆栈来存储元素，然后在弹出遍历右孩子节点：
# 使用堆栈来遍历 def stack_traversal(self, root): if root is None: return mystack = [] node = root while node or mystack: while node: print(node.data) mystack.append(node) node = node.lchild node = mystack.pop() node = node.rchild
数据结构是难点也是基础，不管怎么样都应该好好学习。
完整代码:
''' 二叉树的建立及实现 (递归与非递归) ''' from collections import deque # 树节点的定义 class Node: def __init__(self, data=-1, lchild=None, rchild=None): self.lchild = lchild # 表示左子树 self.rchild = rchild # 表示右子树 self.data = data # 表示数据域 class Create_Tree: def __init__(self): self.root = Node() # 表示结点 self.myQueue = deque() # 使用队列不会有太多的内存开销 # 按层次生成树 def add(self, elem): node = Node(elem) # 根节点 if self.root.data == -1: self.root = node self.myQueue.append(self.root) else: treeNode = self.myQueue[0] # 记录结点 if treeNode.lchild is None: treeNode.lchild = node self.myQueue.append(treeNode.lchild) else: treeNode.rchild = node self.myQueue.append(treeNode.rchild) self.myQueue.popleft() # 弹出已经处理好左右子树的父结点 # 递归建树 def traversal_create(self, root): data = input() if data is "#": return None else: root.data = data root.lchild = self.traversal_create(root.lchild) root.rchild = self.traversal_create(root.rchild) return root # 前序遍历输出 def digui(self, root): if root is None: return print(root.data) self.digui(root.lchild) self.digui(root.rchild) # 使用堆栈来遍历 def stack_traversal(self, root): if root is None: return mystack = [] node = root while node or mystack: while node: print(node.data) mystack.append(node) node = node.lchild node = mystack.pop() node = node.rchild # 层次遍历 使用队列 def queue_tarversal(self, root): if root is None: return q = deque() q.append(root) while q: node = q.pop() print(node.data) if node.lchild is not None: q.append(node.lchild) else: q.append(node.rchild) if __name__ == "__main__": elems = range(10) tree = Create_Tree() for i in elems: # 非递归建树，主要就是根据 队列FIFO的特点以及广度遍历的思路 tree.add(i) # 递归建树 # tree.traversal_create(tree.root) # 递归遍历 tree.digui(tree.root) # 栈遍历 # tree.stack_traversal(tree.root)