Код программы Графики для Бинарного дерева поиска:

from BSTree import BST_func

import matplotlib.pyplot as plt

import random

import numpy as np

l = 1000

k = []

for i in range(l):

p = random.randint(1,1000)

k.append(p)

m = []

for o in range(1,l+1):

m.append(k[:o])

he = []

ma = []

for j in range(len(m)):

bst = BST_func()

root = None

for key in m[j]:

root = bst.insert(root, key)

ma.append(len(m[j]))

#print("Симметричный обход:")

#bst.inorder(root)

hei=bst.height_of_tree(root)

#print("Высота дерева:", hei)

he.append(hei)

print(ma[0],he[0])

for i in range(1,len(ma)):

if he[i-1] != he[i]:

print(ma[i],he[i])

x1 = ma

y1 = he

plt.plot(x1, y1, color = 'green')

plt.title('Зависимость высоты BST-дерева от количества ключей')

plt.xlabel('Количество ключей')

plt.ylabel('Высота дерева')

plt.grid()

plt.show()

x = np.array(x1)

y = np.array(y1)

log_x = np.log2(x)

coefficients = np.polyfit(log_x, y, 1)

print('коэффы:', coefficients)

regression_line = np.polyval(coefficients, log_x)

#plt.scatter(x, y, label="Данные", color="blue")

plt.plot(x1, y1, color = 'green')

plt.plot(x, regression_line, label="Регрессия log(n)", color="red")

plt.title("Зависимость высоты BST-дерева от количества ключей")

plt.xlabel('Количество ключей')

plt.ylabel('Высота дерева')

plt.grid()

plt.show()

Бинарное дерево поиска:

class TreeNode:

def __init__(self, key):

self.left = None

self.right = None

self.val = key

class BST_func:

# def __init__(self):

# self.root = None

def search(self, root, key):

if root is None or root.val == key:

return root

if key < root.val:

return self.search(root.left, key)

else:

return self.search(root.right, key)

def insert(self, root, key):

if root is None:

return TreeNode(key)

else:

if key < root.val:

root.left = self.insert(root.left, key)

else:

root.right = self.insert(root.right, key)

return root

def delete_node(self, root, key):

# Базовый случай: если дерево пустое

if root is None:

return root

# Рекурсивно ищем узел для удаления

if key < root.val:

root.left = self.delete_node(root.left, key)

elif key > root.val:

root.right = self.delete_node(root.right, key)

else:

# Узел с единственным дочерним узлом или без дочерних узлов

if root.left is None:

return root.right

elif root.right is None:

return root.left

# Узел с двумя дочерними узлами: получаем наименьшее значение из правого поддерева (или наибольшее из левого)

min_larger_node = self.get_min_value_node(root.right)

root.val = min_larger_node.val

root.right = self.delete_node(root.right, min_larger_node.val)

return root

def get_min_value_node(self, node):

current = node

while current.left is not None:

current = current.left

return current

def preorder(self, root):

if root is not None:

print(root.val, end=' ')

self.preorder(root.left)

self.preorder(root.right)

def inorder(self, root):

if root is not None:

self.inorder(root.left)

print(root.val, end=' ')

self.inorder(root.right)

def postorder(self, root):

if root is not None:

self.postorder(root.left)

self.postorder(root.right)

print(root.val, end=' ')

def height_of_tree(self, node):

if node is None:

return -1 # Возвращаем -1 для учета высоты при наличии узла

else:

left_height = self.height_of_tree(node.left)

right_height = self.height_of_tree(node.right)

return max(left_height, right_height) + 1

def level_order_traversal(self, root):

if root is None:

return []

result = []

queue = [root] # Используем список в качестве очереди

while queue:

current = queue.pop(0) # Удаляем первый элемент из списка

result.append(current.val)

# Добавляем дочерние элементы в конец списка

if current.left:

queue.append(current.left)

if current.right:

queue.append(current.right)

return result