Grunderna i trädstrukturer som används i algoritmer - dummies

En trädstruktur ser ut som det fysiska objektet i den naturliga världen. Genom att använda träd kan du snabbt organisera data och hitta den på kortare tid än att använda andra datalagringsmetoder. Du brukar hitta träd som används för söka och sortera rutiner, men de har också många andra ändamål.

Att bygga ett träd fungerar som att bygga ett träd i den fysiska världen. Varje objekt du lägger till i trädet är en nod. Nodor ansluter till varandra med hjälp av länkar. Kombinationen av noder och länkar bildar en struktur som ser ut som ett träd, som det visas här.

Ett träd i Python ser mycket ut som det fysiska alternativet.

Observera att trädet bara har en rootnod - precis som med ett fysiskt träd. Rotenoden ger utgångspunkten för de olika typerna av bearbetning du utför. Ansluten till rotknutpunkten är antingen grenar eller löv. En lösnod är alltid en slutpunkt för trädet. Branchnoder stöder antingen andra grenar eller löv. Den typ av träd som visas är ett binärt träd eftersom varje nod har högst två anslutningar.

När man tittar på trädet är gren B barnets rotknutpunkt. Det beror på att rotknutan visas först i listan. Leaf E och Leaf F är båda barn i gren B, vilket gör Branch B förälder till Leaf E och Leaf F. Förhållandet mellan noder är viktigt eftersom diskussioner om träd ofta överväger förhållandet mellan barn och förälder mellan knutpunkter. Utan dessa villkor kan diskussioner om träd bli ganska förvirrande.