Python如何实现深度优先与广度优先？
公众号新增加了一个栏目，就是每天给大家解答一道Python常见的面试题，反正每天不贪多，一天一题，正好合适，只希望这个面试栏目，给那些正在准备面试的同学，提供一点点帮助！
小猿会从最基础的面试题开始，每天一题。如果参考答案不够好，或者有错误的话，麻烦大家可以在留言区给出自己的意见和讨论，大家是要一起学习的 。
废话不多说，开始今天的题目：
问：Python如何实现深度优先与广度优先？
答：上次说过Python新式类和旧式类的区别有一点是说：新式类的MRO算法采用C3算法广度优先搜索，而旧式类的MRO算法是采用深度优先搜索。今天主要来说两者的区别是什么，以及用Python代码来实现这两种方式的搜索 。
二叉树深度优先与广度优先遍历的区别？
1） 二叉树的深度优先遍历的非递归的通用做法是采用栈，广度优先遍历的非递归的通用做法是采用队列。
2） 深度优先遍历：对每一个可能的分支路径深入到不能再深入为止，而且每个结点只能访问一次。要特别注意的是，二叉树的深度优先遍历比较特殊，可以细分为先序遍历、中序遍历、后序遍历。具体说明如下：
先序遍历：对任一子树，先访问根，然后遍历其左子树，最后遍历其右子树。
中序遍历：对任一子树，先遍历其左子树，然后访问根，最后遍历其右子树。
后序遍历：对任一子树，先遍历其左子树，然后遍历其右子树，最后访问根。
广度优先遍历：又叫层次遍历，从上往下对每一层依次访问，在每一层中，从左往右（也可以从右往左）访问结点，访问完一层就进入下一层，直到没有结点可以访问为止。
3）深度优先搜素算法：不全部保留结点，占用空间少；有回溯操作(即入栈、出栈操作)，运行速度慢。而广度优先搜索算法：保留全部结点，占用空间大；无回溯操作(即无入栈、出栈操作)，运行速度快。
用Python来完成二叉树深度优先与广度优先遍历：
广度优先：0, 1, 2, 3, 4, 5, 6, 7, 8, 9
深度优先
先序遍历(父, 左子, 右子) 0, 1, 3, 7, 8, 4, 9, 2, 5, 6
中序遍历(左子, 父, 右子) 7, 3, 8, 1, 9, 4, 0, 5, 2, 6
后序遍历(左子, 右子, 父) 7, 8, 3, 9, 4, 1, 5, 6, 2, 0
Python代码实现如下：
class Node(object):
"""初始化一个节点,需要为节点设置值"""
def __init__(self, val):
self.val = val
self.left = None
self.right = None
class BinaryTree(object):
"""
创建二叉树,完成
- 添加元素
- 广度遍历
- 深度遍历(先序遍历, 中序遍历, 后序遍历)
"""
def __init__(self):
self.root = None
pass
# 添加元素
def addNode(self, val):
# 创建队列结构存储结点
nodeStack = [self.root, ]
# 如果根结点为空
if self.root == None:
self.root = Node(val)
print("添加根节点{0}成功!".format(self.root.val))
return
while len(nodeStack) > 0:
# 队列元素出列
p_node = nodeStack.pop()
# 如果左子结点为空
if p_node.left == None:
p_node.left = Node(val)
print("添加左:{0} ".format(p_node.left.val))
return
# 如果右子节点为空
if p_node.right == None:
p_node.right = Node(val)
print("添加右:{0} ".format(p_node.right.val))
return
nodeStack.insert(0, p_node.left)
nodeStack.insert(0, p_node.right)
# 广度遍历(中序: 先读父节点,再读左子节点, 右子节点)
def breadthFirst(self):
nodeStack = [self.root, ];
while len(nodeStack) > 0:
my_node = nodeStack.pop()
print("-->", my_node.val)
if my_node.left is not None:
nodeStack.insert(0, my_node.left)
if my_node.right is not None:
nodeStack.insert(0, my_node.right)
# 深度优先(先序遍历)
def preorder(self, start_node):
if start_node == None:
return
print(start_node.val)
self.preorder(start_node.left)
self.preorder(start_node.right)
# 深度优先(中序遍历)
def inorder(self, start_node):
if start_node == None:
return
self.inorder(start_node.left)
print(start_node.val)
self.inorder(start_node.right)
# 深度优先(后序遍历)
def outorder(self, start_node):
if start_node == None:
return
self.outorder(start_node.left)
self.outorder(start_node.right)
print(start_node.val)
def main():
bt = BinaryTree()
bt.addNode(0)
bt.addNode(1)
bt.addNode(2)
bt.addNode(3)
bt.addNode(4)
bt.addNode(5)
bt.addNode(6)
bt.addNode(7)
bt.addNode(8)
bt.addNode(9)
print("广度遍历-->")
bt.breadthFirst()
print("先序遍历-->")
bt.preorder(bt.root)
print("中序遍历-->")
bt.inorder(bt.root)
print("后序遍历-->")
bt.outorder(bt.root)
if __name__ == '__main__':
main()
如果对于参考答案有不认同的，大家可以在评论区指出和补充，欢迎留言！
更多题目：
关注小猿公众号，每天学习一道题