本文實例講述了Python實現二叉樹及遍歷方法。分享給大家供大家參考，具體如下：
介紹：
樹是數據結構中非常重要的壹種，主要的用途是用來提高查找效率，對於要重復查找的情況效果更佳，如二叉排序樹、FP-樹。另外可以用來提高編碼效率，如哈弗曼樹。
代碼：
用Python實現樹的構造和幾種遍歷算法，雖然不難，不過還是把代碼作了壹下整理總結。實現功能：
① 樹的構造
② 遞歸實現先序遍歷、中序遍歷、後序遍歷
③ 堆棧實現先序遍歷、中序遍歷、後序遍歷
④ 隊列實現層次遍歷
#coding=utf-8
class Node(object):
"""節點類"""
def init(self, elem=-1, lchild=None, rchild=None):
self.elem = elem
self.lchild = lchild
self.rchild = rchild
class Tree(object):
"""樹類"""
def init(self):
self.root = Node()
self.myQueue = []
def add(self, elem):
"""為樹添加節點"""
node = Node(elem)
if self.root.elem == -1: # 如果樹是空的，則對根節點賦值
self.root = node
self.myQueue.append(self.root)
else:
treeNode = self.myQueue[0] # 此結點的子樹還沒有齊。
if treeNode.lchild == None:
treeNode.lchild = node
self.myQueue.append(treeNode.lchild)
else:
treeNode.rchild = node
self.myQueue.append(treeNode.rchild)
self.myQueue.pop(0) # 如果該結點存在右子樹，將此結點丟棄。
def front_digui(self, root):
"""利用遞歸實現樹的先序遍歷"""
if root == None:
return
print root.elem,
self.front_digui(root.lchild)
self.front_digui(root.rchild)
def middle_digui(self, root):
"""利用遞歸實現樹的中序遍歷"""
if root == None:
return
self.middle_digui(root.lchild)
print root.elem,
self.middle_digui(root.rchild)
def later_digui(self, root):
"""利用遞歸實現樹的後序遍歷"""
if root == None:
return
self.later_digui(root.lchild)
self.later_digui(root.rchild)
print root.elem,
def front_stack(self, root):
"""利用堆棧實現樹的先序遍歷"""
if root == None:
return
myStack = []
node = root
while node or myStack:
while node: #從根節點開始，壹直找它的左子樹
print node.elem,
myStack.append(node)
node = node.lchild
node = myStack.pop() #while結束表示當前節點node為空，即前壹個節點沒有左子樹了
node = node.rchild #開始查看它的右子樹
def middle_stack(self, root):
"""利用堆棧實現樹的中序遍歷"""
if root == None:
return
myStack = []
node = root
while node or myStack:
while node: #從根節點開始，壹直找它的左子樹
myStack.append(node)
node = node.lchild
node = myStack.pop() #while結束表示當前節點node為空，即前壹個節點沒有左子樹了
print node.elem,
node = node.rchild #開始查看它的右子樹
def later_stack(self, root):
"""利用堆棧實現樹的後序遍歷"""
if root == None:
return
myStack1 = []
myStack2 = []
node = root
myStack1.append(node)
while myStack1: #這個while循環的功能是找出後序遍歷的逆序，存在myStack2裏面
node = myStack1.pop()
if node.lchild:
myStack1.append(node.lchild)
if node.rchild:
myStack1.append(node.rchild)
myStack2.append(node)
while myStack2: #將myStack2中的元素出棧，即為後序遍歷次序
print myStack2.pop().elem,
def level_queue(self, root):
"""利用隊列實現樹的層次遍歷"""
if root == None:
return
myQueue = []
node = root
myQueue.append(node)
while myQueue:
node = myQueue.pop(0)
print node.elem,
if node.lchild != None:
myQueue.append(node.lchild)
if node.rchild != None:
myQueue.append(node.rchild)
if name == 'main':
"""主函數"""
elems = range(10) #生成十個數據作為樹節點
tree = Tree() #新建壹個樹對象
for elem in elems:
tree.add(elem) #逐個添加樹的節點
print '隊列實現層次遍歷:'
tree.level_queue(tree.root)
print '
遞歸實現先序遍歷:'
tree.front_digui(tree.root)
print '
遞歸實現中序遍歷:'
tree.middle_digui(tree.root)
print '
遞歸實現後序遍歷:'
tree.later_digui(tree.root)
print '
堆棧實現先序遍歷:'
tree.front_stack(tree.root)
print '
堆棧實現中序遍歷:'
tree.middle_stack(tree.root)
print '
堆棧實現後序遍歷:'
tree.later_stack(tree.root)總結：
樹的遍歷主要有兩種，壹種是深度優先遍歷，像前序、中序、後序；另壹種是廣度優先遍歷，像層次遍歷。在樹結構中兩者的區別還不是非常明顯，但從樹擴展到有向圖，到無向圖的時候，深度優先搜索和廣度優先搜索的效率和作用還是有很大不同的。
深度優先壹般用遞歸，廣度優先壹般用隊列。壹般情況下能用遞歸實現的算法大部分也能用堆棧來實現。
我印象中是有遞歸構造樹的方法，卻壹直想不出該怎麽構造。後來仔細想了壹下，遞歸思想有點類似深度優先算法，而樹的構造應該是廣度優先的。如果用遞歸的話壹定要有個終止條件，例如規定樹深等。不然構造出來的樹會偏向左單子樹或者右單子樹。所以壹般樹的構造還是應該用隊列比較好。