联系作者
联系作者

JavaScript 常用的数据结构:

# 2.1 字符串

字符串是由零个和多个字符组成的有序序列,是 JavaScript 最基础的数据结构,也是学习编程的基础。

# 2.1.1 翻转整数

示例:

输入: 123
输出: 321

输入: -123
输出: -321
1
2
3
4
5
function reverse(params) {
  if (typeof params !== 'number') return

  const value =
    params > 0
      ? String(params)
          .split('')
          .reverse()
          .join('')
      : String(params)
          .slice(1)
          .split('')
          .reverse()
          .join('')
          
  const result = value > 0 ? parseInt(value, 10) : 0 - parseInt(value, 10);
  return result
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# 复杂度分析

  • 时间复杂度: O(n) reverse 函数时间复杂度为 O(n),n 为整数长度,最好的情况为 O(1)。

  • 空间复杂度: O(n) 代码中创建临时对 value 象, n 为整数长度,因此空间复杂度为 O(n),最好的情况为 O(1)。

# 2.1.2 反转字符串

示例:

输入: china
输出: anihc
1
2

# 方法 1

function reverse(params) {
  if (typeof params !== 'string') return
  // 反转字符串
  return params.split('').reverse().join('')
}
1
2
3
4
5

# 方法 2 首尾替换法

如果在面试过程中回答出第一种可能不是面试官想要的,就像排序问题,你回答 sort api,面试官不需要你去回答 api。

function reverse(str) {
  const params = str.split('')
  const n = params.length
  for (let i = 0; i < n / 2; i++) {
    [params[i], params[n - i - 1]] = [params[n - i - 1], params[i]]
  }
  return params.join('')
}
1
2
3
4
5
6
7
8

# 复杂度分析

时间复杂度: O(n)

空间复杂度: O(1)

reverse 中没有新开辟的内存空间

# 2.1.3 验证回文字符串

回文字符串就是从中间分开,2 边完全对称;顺读和倒读都一样的字符串。

'youuoy'
1

# 方法 1

function isPalindrome(params) {
  //去除 非单词字符、非数字
  const arr = params.toLowerCase().replace(/[^A-Za-z0-9]/g, '')
  // 反转
  const reverseStr = arr.split('').reverse().join('')
  return reverseStr === params
}
1
2
3
4
5
6
7

# 复杂度分析

时间复杂度: O(n) 该解法中, toLowerCase() , replace() , split() , reverse() , join() 的时间复杂度都为 O(n),且都在独立的循环中执行,因此,总的时间复杂度依然为 O(n)。

空间复杂度: O(n) 该解法中,申请了 1 个大小为 n 的字符串和 1 个大小为 n 的数组空间,因此,空间复杂度 为 O(n∗2) ,即 O(n)。

# 方法 2

代码:

function isPalindrome(params) {
  //去除 非单词字符、非数字
  const arr = params
    .toLowerCase()
    .replace(/[^A-Za-z0-9]/g, '')
    .split('')

  // 双指针
  let i = 0
  let j = arr.length - 1
  while (i < j) {
    // 首尾是否相等
    if (arr[i] === arr[j]) {
      i++
      j--
    } else {
      return false
    }
  }
  return true
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

# 复杂度分析

时间复杂度: O(n) 该解法中 while 循环最多执行 n/2 次,即回文时,因此,时间复杂度为 O(n)。

空间复杂度: O(n) 该解法中,申请了 1 个大小为 n 的数组空间,因此,空间复杂度为 O(n)。

# 2.2 数组

# 2.2.1 找出出现一次的数字

描述:给一非空数组,某个元素只出现一次,其他元素都均出现 2 次;找出出现一次的那个元素?

示例:

输入: [1,6,3,3,1,]
输出: 6
1
2

# 方法 1: 分组法

用分组法,时间和空间的复杂度都偏高,理解分组的思想才是重点。

function singleNumber(arr) {
  const arrGroups = arr.map((item) => {
    return arr.filter((ele) => item === ele)
  })
  return arrGroups.find((item) => item.length === 1)[0]
}
1
2
3
4
5
6

复杂度分析:

  • 时间复杂度: O(n2)

使用了 map 和 filter ,嵌套遍历,故为 O(n2) 。

  • 空间复杂度: O(n)

map 方法创建了一个长度为 n 的数组,占用了 n 大小的空间。

# 方式 2: 异或比较法

异或比较法是一种常用的技术,通常用于比较两个数据结构或者变量的不同之处。在计算机科学和编程中,异或操作符(^)用于比较两个二进制数的每一位,如果相应位相同则结果为0,如果相应位不同则结果为1。

异或运算符可以将两个数字比较,由于有一个数只出现了一次,其他数皆出现了两次,类似乘法 则无论先后顺序,最后相同的数都会异或成 0,唯一出现的数与 0 异或就会得到其本身,该方法是最优解,直接通过比较的方式即可得到只出现一次的数字。

function singleNumber(arr) {
  return arr.reduce((accumulator, currentValue) => accumulator ^ currentValue)
}
1
2
3

复杂度分析:

时间复杂度: O(n)

仅用 reduce 方法遍历,一层遍历,故为 O(n) 。

空间复杂度: O(1)

空间复杂度为常量,占用空间没有随数据量 n 的大小发生改变,故为 O(1)。

# 2.2.2 两数求和的问题

描述:给定一个整数数组 nums 和一个目标值 target,在数组中找出和为目标值 target 的两个整数?

示例:

输入: num1 [1,6,3,4,7]  target 9
输出: [6,3]
1
2

2 层循环的时间复杂度是 O(n^2),O(1)没有开启新的空间。

遇到 2 层循环,我们就应该反思一下,能不能空间换时间,把它换成一层循环。

# 方式 1:利用 map

几乎所有求和的问题,我们都可以转化为求差的问题,这道题就是典型的例子;通过求差使问题变的更简单。

我们用 target 减当前元素,得到差值,然后去 map 对象中找差值;没有就存下当前元素,每遍历一个新数字都去 map 对象中查找;直到找到目标元素为止。我们把 2 层循环简化到一层循环,可以说是空间换时间。

const nums = [5, 7, 8, 2, 4]
const target = 9
const res = {}
let lookup = []
function toSum(list) {
  list.find((item, i) => {
    // 查看当前元素所对应的目标元素是否存在map对象中
    if (res[target - item]) {
      lookup = [item, target - item]
      return true
    } else {
      res[item] = i
      return false
    }
  })
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

复杂度分析:

时间复杂度: O(n)

我们只遍历了包含有 n 个元素的列表一次,在 map 中进行的每次查找只花费 O(1) 的时间, 因此总的复杂度为 O(n)

空间复杂度: O(n)

# 2.2.3 合并 2 个有序数组

描述:给两个有序数组 num1 和 num2,把 num2 合并到 num1 中。

示例:

输入: num1 [1,3,5,8]  num2 [2,4,5,6,7]
输出: num1 [1,2,3,4,5,5,6,7,8]
1
2

# 方式 1: 双指针

用 2 个指针指向数组的末尾,每次只对指针指向的元素进行比较,取出较大的元素放在 num1 的末尾往前补。

为什么从后往前补?

因为 num1 前面有元素,从前往后补,会替换掉原来的元素。

// 2个有序数组
const num1 = [1, 3, 5, 8]
const num2 = [2, 4, 5, 6, 7]

let k = num1.length - 1
let j = num2.length - 1
// m是num1和num2合并后长度
let m = k + j + 1

// 将num2中所有数据合并到num1中,当num2的指针小于0才结束
while (y >= 0) {
    if (num1[x] > num2[y]) {
        num1[m] = num1[x]
        x--
    } else {
        num1[m] = num2[y]
        y--
    }
    m--
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

复杂度分析:

时间复杂度: O(n)

我们只遍历了包含有 n 个元素的列表一次

空间复杂度: O(n)

有 2 个数组,有一个数组在不断增加

# 2.2.4 三数之和

描述:给定一个包含 n 个整数的数组 nums ,判断 nums 中是否存在三个元素 a,b,c ,使得 a + b + c = 0 ?找出所有满足条件且不重复的三元组。

示例:

输入: num1 [-1, 0, 1, 2, -1, -4]
输出: 满足要求的三元组集合:[ [ -1, -1, 2 ], [ -1, 0, 1 ] ]
1
2

三数求和问题,固定其中一个数,在剩下的数中寻找两个数和这个固定数相加是等于 0。

似乎需要三层循环才能解决,不过现在我们有双指针,定位效率大大提高;双指针可以做到空间换时间,可以帮助我们降低问题的复杂度。

# 方式 1: 双指针

const nums = [-1, 0, 1, 2, -1, -4]
function threeNum(list) {
  list.sort()) // 双指针需要有序数组
  const uniqueMap = []

  for (let k = 0; k < list.length; k++) {
    let m = k + 1
    let n = list.length - 1
    while (m < n) {
      const sum = list[k] + list[m] + list[n]
      // 三数之和大于0,说明右边的数过大,需要左移
      if (sum > 0) {
        n--
      } else if (sum < 0) {
      // 三数之和小于0,说明左边的数过小,需要右移
        m++
      } else {
        // 符合条件存起来
        uniqueMap.push([list[k], list[m], list[n]])
        //下面是为了去重,当前m指向的数和右边的数相等,就往右移动
        const leftVaule = list[m]
        while (m < n && leftVaule === list[m]) {
          m++
        }
        //下面是为了去重,当前n指向的数和左边的数相等,就往左移动
        const rightVaule = list[n]
        while (n > m && rightVaule === list[n]) {
          n--
        }
      }
    }
    // 去重,k和右边的数相等了,就往右移动
    while (k < list.length - 1 && nums[k] === nums[k + 1]) {
      k++
    }
  }
  return uniqueMap
}

threeNum(nums)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

在上面这道题中,左右指针一起从两边往中间位置相互迫近,这样的特殊双指针形态,被称为“对撞指针”。

什么时候你需要联想到对撞指针?

这里我给大家两个关键字——“有序”和“数组”。 没错,见到这两个关键字,立刻把双指针法调度进你的大脑内存。普通双指针走不通,立刻想对撞指针!

复杂度分析:

时间复杂度: O(n^2)

数组遍历 O(n) ,双指针遍历 O(n) ,因此复杂度为 O(n) ∗ O(n) 为 O(n2)

空间复杂度: O(n)

uniqueMap 可能在不断的开启新空间

# 2.3 栈和队列

# 栈(stack)

栈是一种特殊的列表,它按照先进后出的原则存储数据;先进入的数据被压在栈底,后进去的数据在栈顶。需要读取数据的时候需要从栈顶开始。

我们可以想象一下,我们放盘子,先放入下面盘子,拿盘子的时候最后才能拿到。

栈的主要操作就是入栈出栈,在 js 中栈和队列的实现一般都依赖数组;可以看做栈和队列是特别的数组。(用链表来实现也是可以的,用链表来实现会比数组麻烦很多)

# 2.3.1 栈的实现

class Stack {
  constructor() {
    this.data = []
  }
  push(value) {
    this.data.push(value)
  }
  pop() {
    return this.data.pop()
  }
}

const stack = new Stack()
// 入栈
stack.push(1)
stack.push(2)

while (stack.data.length) {
  console.log('出栈', stack.pop())
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

# 队列(queue)

队列是先进先出的数据结构,跟我们的不一样,队列的概念比较好理解;它就像我们去食堂买饭一样,先去的  先打到饭;后去的后打到饭。

队列的操作有 2 种:插入元素、删除元素。

  • 只可以向尾部插入元素
  • 只可以头部移除元素

# 2.3.2 队列的实现

class Queue {
  constructor() {
    this.data = []
  }
  unQueue(value) {
    this.data.push(value)
  }
  deQueue() {
    return this.data.shift()
  }
}

const stack = new Queue()
// 入队
stack.unQueue(1)
stack.unQueue(2)

while (stack.data.length) {
  console.log('出对', stack.deQueue())
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

# 2.3.3 有效括号

给定一个只包括 '(',')','{','}','[',']'的字符串,判断字符串是否有效

示例:

输入:  输入: '()';
输出: true;
1
2
输入: '()[]{}';
输出: true;
1
2
输入: '()]{';
输出: false;
1
2

遇见匹配的问题,最好的解决方案就是stack结构,js 中没有栈结构,可以用数组来模拟。

此题的解决方案就是遇到左括号push 到数组里(数组后面回说是栈),遇到右括号可以从栈顶取出跟右括号对比,匹配成功执行出栈操作,遍历完毕;栈中无元素,说明是有效字符串。

const brackets = '([{}])'

function isValid(b) {
  const stack = []
  // 也可以用对象模拟,map对象是括号的匹配规则
  const map = new Map([
    ['}', '{'],
    [']', '['],
    [')', '('],
  ])
  for (let item of b) {
    if (!map.has(item)) {
      stack.push(item)
    } else if (!stack.length || stack.pop() !== map.get(item)) {
      return false
    }
  }
  return !stack.length
}

isValid(brackets) // true
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

复杂度分析:

时间复杂度: O(n) 遍历了 1 次 有 n 个元素的空间

空间复杂度: O(n)

# 2.3.4 缺失的数字

给定一个包含 0, 1, 2, ..., n 中 n 个数的序列,找出 0 .. n 中没有出现在序列中的那个数。

示例:

输入:  [3,5,4,6,8,9,1,2,0];
输出: 7;
1
2

# 方法 1: 计算法

通过计算如果不缺少一个数字的情况下总和应该多少,缺少一个数字总合多少;它们之差就是缺少的那个数字。

const lostArr = [3, 5, 4, 6, 8, 9, 1, 2, 0]

// 计算出数组中的总和
function lostNumber(arr) {
  const total = arr.reduce((total, num) => {
    return total + num
  }, 0)

  const length = arr.length
  // 计算出如果不缺少数字,应该得多少
  const termial = ((1 + length) * length) / 2
  return termial - total
}

lostNumber(lostArr) //7
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

复杂度分析:

时间复杂度: O(n) ,2 次遍历数组,所以最终的时间复杂度是 O(n)

空间复杂度: O(1),会有 3 个临时变量,不会随着入参数组的增加而增加,所以空间复杂度是 O(1)

# 2.3.5 滑动窗口问题

给定一个数组 nums 和滑动窗口的大小 k,请找出所有滑动窗口里的最大值。

示例:

输入:  nums = [3,5,4,-6,8,9,-1,2,0] 和k=3
输出: [5,5,8,9,9,9,2]
1
2

什么是滑动窗口?

k 代表窗口的范围,每次滑动窗口往前进一步,直到窗口无法前进。

下面是窗口滑动的过程:

[3,5,4],-6,8,9,-1,2,0

3,[5,4,-6],8,9,-1,2,0

3,5,[4,-6,8],9,-1,2,0

3,5,4,[-6,8,9],-1,2,0

3,5,4,-6,[8,9,-1],2,0

3,5,4,-6,8,[9,-1,2],0

3,5,4,-6,8,9,[-1,2,0]

  1. 双指针+遍历

窗口的本质就是约定范围,如果想约定范围我们就应该想到双指针;我们可以定义一个left左指针,定义一个right右指针;分别指向窗口的两端,通过不断移动左右指针来达到移动窗口的目的。

function maxSlidingWindow(nums, k) {
  const maxArr = []
  for (let i = 0; i <= nums.length - k; i++) {
    const left = i
    const right = k + i
    const kNums = nums.slice(left, right)
    const maxNum = Math.max(...kNums)
    maxArr.push(maxNum)
  }
  return maxArr
}
1
2
3
4
5
6
7
8
9
10
11

上面的解法其实还可以优化,每次我们滑动窗口都需要找出最大值,每次滑动窗口只移动一位;其实当前窗口前 2 位数是上一次后 2 位数; 在当前窗口找最大值时候,上一次比较过的数在本次窗口还要比较,那是不是重复比较了?

  1. 双端队列

每次我们滑动窗口,此时滑动窗口少了一个元素,又增加了一个元素;每次窗口移动时,只根据发生变化的元素对最大值进行更新,那么复杂度是不是降低了?

双端队列可以完美解决这个问题,双端队列的核心就是维护一个有效递减的队列,在遍历的时候尝试将每个元素推入队列中,要求必须递减,如果当前要推入的元素比队列的最后一个元素大,就移除最后一个元素,然后当前元素在跟队列的最后一个元素再次比较;比最后一个元素大就移除最后一个元素,最终当前元素小于最后元素为止,停下并将当前元素放入队列中。

需要注意的是最大元素不在当前窗口内要及时清除掉。

function maxSlidingWindow(nums, k) {
  const maxArr = []
  const doubleEndedQueue = []
  const len = nums.length
  for (let i = 0; i < len; i++) {
    while (
      doubleEndedQueue.length &&
      nums[i] > nums[doubleEndedQueue[doubleEndedQueue.length - 1]]
    ) {
      doubleEndedQueue.pop()
    }
    doubleEndedQueue.push(i)

    while (doubleEndedQueue.length && doubleEndedQueue[0] <= i - k) {
      doubleEndedQueue.shift()
    }
    if (i >= k - 1) {
      maxArr.push(nums[doubleEndedQueue[0]])
    }
  }
  return maxArr
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

# 2.4 链表

相对于数组,链表是一种稍微复杂的数据结构,掌握起来也要比数组稍微难一些。链表通过指针将不连续的内存串联起来。 数组的线性序是由数组的下标来决定的,而 链表的的顺序是由各个对象中的指针来决定。

在多数编程语言中,数组的长度是固定的,一旦被填满,要再加入数据将会变得非常困难。在数组 中,添加和删除元素也比较麻烦,因为需要把数组中的其他元素向前或向后移动。

JavaScript 的数组被实现成了对象,与 Java 相比,效率偏低。 在实际开发中,不能单靠复杂度就决定使用哪个数据结构,没有一种数据结构是完美的,否则其他的数据结构不都被淘汰了。

链表的结构可以由很多种,它可以是单链表或双链表,也可以是已排序的或未排序的,环形的或非环形的。如果一个链表是单向的,那么链表中的每个元素没有指向前一个元素的指针。已排序的和 未排序的链表较好理解

由于链表是非连续的,想要访问第 i 个元素就没数组那么方便了,需要根据指针一个结点一个结点 地依次遍历,直到找到相应的结点。 数组在插入或删除元素时,为了保证数据的连续性,需要对原有的数据进行挪动。然而链表在插入 或删除时,不要挪动原来的数据,因为链表的数据本身就是非连续的空间,因此在链表中插入、删 除数据是非常快的。

# 2.4.1 设计一个链表

class Node {
  constructor(value) {
    this.value = value
    this.next = null
  }
}

class linkedList {
  constructor() {
    this.head = new Node('A')
  }
  // 查找节点
  find(item) {
    let node = this.head
    while (node !== item && node !== null) {
      node = node.next
    }
    return node
  }
  // 移除节点
  remove(item) {
    const prevNode = this.findPrev(item)
    if (prevNode.next !== null) {
      prevNode.next = prevNode.next.next
    }
  }
  // 插入节点
  insert(el, item) {
    const newNode = new Node(el)
    const currentNode = this.find(item)
    newNode.next = currentNode.next
    currentNode.next = newNode
  }
  // 找当前节点上一个节点
  findPrev(item) {
    let node = this.head
    while (node.next !== null && node.next.value !== item) {
      node = node.next
    }
    return node
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

# 2.4.2 反转一个链表

示例:

输入: 1->2->3->4->5->NULL
输出: 5->4->3->2->1->NULL
1
2
  1. 用迭代的方法实现。
const linked={
  head:{
    value:1,
    next:{
      value:3,
      next:{
        value:5,
        next:null
      }
    }
  }
}


function reverseLiked (linked){
 let head= linked.head
 let result = null
 while(head){
  // temp 临时储存的变量
   let temp = head.next
   head.next = result
   result = head
   head = temp
 }
  return result
}

reverseLiked(linked)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

复杂度分析:

时间复杂度: O(n), 只迭代了一次链表

空间复杂度: O(1),会有 3 个临时变量,反转没有增加存储空间,所以空间复杂度是 O(1)

  1. 用递归的方式实现
function reverseList(head) {
    if (!head || !head.next) {
        return head;
    }

    // 递归调用,反转剩余部分的链表
    let newHead = reverseList(head.next);

    // 将当前节点的下一个节点的指针指向当前节点,实现反转
    head.next.next = head;
    // 防止链表循环,
    head.next = null;

    return newHead;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

复杂度分析:

时间复杂度: O(n), 只迭代了一次链表

空间复杂度: O(n),使用了递归的方法,耗费 O(n) 的空间

# 2.5 树结构

# 树(Tree)

树(Tree)是一种非线性数据结构,它由若干个节点(Node)组成,并以层次关系相连。树是一种重要的数据结构,在计算机科学中应用广泛,涵盖了算法、数据库、操作系统等多个领域。树结构的灵活性和多样性使得它成为了解决各种问题的有力工具。

# 树的基本概念:

节点(Node):树中的基本单位,每个节点可以包含一个值(也称为键),以及指向其他节点的引用。

根节点(Root Node):树的顶端节点,是树的起始节点,它没有父节点。

父节点(Parent Node):一个节点的直接上级节点,除了根节点外,每个节点都有且仅有一个父节点。

子节点(Child Node):一个节点的直接下级节点,一个节点可以有多个子节点。

叶子节点(Leaf Node):没有子节点的节点称为叶子节点,也称为终端节点。

内部节点(Internal Node):除了根节点和叶子节点之外的节点都称为内部节点。

子树(Subtree):树中任意一个节点及其所有子孙节点构成的子结构称为子树。

深度(Depth):从根节点到某个节点的唯一路径的长度,根节点的深度为0,每向下一层深度加1。

高度(Height):从某个节点到其最远叶子节点的最长路径的长度,也称为深度。树的高度等于根节点的高度。

路径(Path):从一个节点到另一个节点的连续边的序列,路径的长度是路径上边的数量。

树的度(Degree):树中节点的最大子节点数量称为树的度。

二叉树(Binary Tree):每个节点最多只能有两个子节点的树结构。

# 树的遍历算法:

树的遍历是指按照一定顺序访问树中的所有节点,常用的树的遍历算法包括:

前序遍历(Preorder Traversal):先访问根节点,然后递归地前序遍历左子树和右子树。

中序遍历(Inorder Traversal):先递归地中序遍历左子树,然后访问根节点,最后递归地中序遍历右子树。

后序遍历(Postorder Traversal):先递归地后序遍历左子树和右子树,然后访问根节点。

层序遍历(Level Order Traversal):从根节点开始,逐层从左到右访问所有节点。

# 2.5.1 二叉树(Binary Tree)

二叉树(Binary Tree)是一种特殊的树结构,其中每个节点最多有两个子节点,分别称为左子节点和右子节点。二叉树是一种重要且常用的树结构,在计算机科学和数据结构中应用广泛。

# 二叉树的基本概念:

节点(Node):二叉树中的基本单位,每个节点可以包含一个值(也称为键),以及指向左子节点和右子节点的引用。

根节点(Root Node):树的顶端节点,是树的起始节点,它没有父节点。

父节点(Parent Node):一个节点的直接上级节点,除了根节点外,每个节点都有且仅有一个父节点。

子节点(Child Node):一个节点的直接下级节点,每个节点最多有两个子节点,分别称为左子节点和右子节点。

叶子节点(Leaf Node):没有子节点的节点称为叶子节点,也称为终端节点。

内部节点(Internal Node):除了根节点和叶子节点之外的节点都称为内部节点。

空节点(Null Node):在二叉树中,某个节点没有左子节点或右子节点时,可以用空节点(null)表示。

# 二叉树的分类:

满二叉树(Full Binary Tree):每个节点都有零个或两个子节点的二叉树称为满二叉树。

完全二叉树(Complete Binary Tree):除了最后一层外,每一层上的节点都有两个子节点,并且最后一层上的节点都集中在该层的左侧,形成一个紧凑的结构。

平衡二叉树(Balanced Binary Tree):任意节点的左右子树高度差不超过1的二叉树称为平衡二叉树。

二叉搜索树(Binary Search Tree,BST):一种特殊的二叉树,对于每个节点,其左子树上的所有节点值都小于该节点的值,而右子树上的所有节点值都大于该节点的值。这种性质使得在BST中可以进行高效的搜索、插入和删除操作。

最新更新时间: 2024/6/20 00:39:57

© 2024 web3全栈体系. All Rights Reserved.(所有文章未经授权禁止转载、摘编、复制或建立镜像,如有违反,追究法律责任。)

蜀ICP备20023457号-1