前面介绍过的都是线性的数据结构，本文将介绍一种非线性数据结构——树，它对于存储需要快速查找的数据非常有用。树是一种一对多的数据结构，树这种数据结构在生活中经常看到，如 组织结构图

图中每个元素我们叫做节点，即树（Tree）可以理解为是n（n>=0)个节点的有限集合。当n=0时称为空树。

基本概念

树这种数据结构跟现实生活中的树很相似，树中的元素叫节点，其中连接相邻节点之间具有层级关系的叫做父子关系。

比如下面这幅图，A 节点就是 B 节点的父节点，B 节点是 A 节点的子节点。B、C、D 这三个节点的父节点是同一个节点，所以它们之间互称为兄弟节点。父节点为同一层的节点称为堂兄弟节点，也就是图中的B、C、D、K、L，及G、H、I、J。我们把没有父节点的节点叫做根节点，也就是图中的节点 E。我们把没有子节点的节点叫做叶子节点或者叶节点，比如图中的 G、H、I、J、K、L 都是叶子节点。

树还有三个比较相似的概念：高度（Height）、深度（Depth）、层（Level）。

节点的高度：节点到叶子节点的最长路径、边的个数

节点的深度：跟节点到这个节点的边的个数

节点的层数：节点的深度 + 1

树的高度：跟节点的高度

这三个概念的定义比较容易混淆，描述起来也比较空洞。我举个例子说明一下，你一看应该就能明白。

 如图所示高度是从下往上递增，深度是上往下递增，层数是深度加 1。

二叉树

树结构多种多样，不过我们最常用还是二叉树。

二叉树，顾名思义，每个节点最多有两个叉，也就是两个子节点，分别是左子节点和右子节点。不过，二叉树并不要求每个节点都有两个子节点，有的节点只有左子节点，有的节点只有右子节点。我画的这几个都是二叉树。

 因为二叉树每个节点最多只有两个子节点，所以既可以用数组来存储，也可以用链表来存储。

先来看比较简单、直观的链式存储法。从图中你应该可以很清楚地看到，每个节点有三个字段，其中一个存储数据，另外两个是指向左右子节点的指针。我们只要知道根节点，就可以通过左右子节点的指针，把整棵树都串起来，这种存储方式我们比较常用。大部分二叉树代码都是通过这种结构来实现的。

基于数组的顺序存储法。把根节点存储在下标 i = 1 的位置，那左子节点存储在下标 2 * i = 2 的位置，右子节点存储在 2 * i + 1 = 3 的位置。以此类推，B 节点的左子节点存储在 2 * i = 2 * 2 = 4 的位置，右子节点存储在 2 * i + 1 = 2 * 2 + 1 = 5 的位置。

 如图所示，如果节点 X 存储在数组中下标为 i 的位置，下标为 2 * i 的位置存储的就是左子节点，下标为 2 * i + 1 的位置存储的就是右子节点。反过来，下标为 i/2 的位置存储就是它的父节点。通过这种方式，我们只要知道根节点存储的位置（一般情况下，为了方便计算子节点，根节点会存储在下标为 1 的位置），这样就可以通过下标计算，把整棵树都串起来。

创建二叉树

观察上面的图我们可以知道，二叉树实际就是一个递归的过程，不断的左子树、右子树，直到该节点没有左子树或者右子树。递归需要一个临界点来结束递归，不然会死循环，从图中可以知道树终止递归其实就是没有左子树、右子树，也就是叶子节点，所以我们需要把叶子节点补上，用 # 来表示 如：

1 const arr = ['A','B','D','#','#','E','#','#','C','F','#', '#', 'G', '#', '#']

 1 /*
 2  * @Description: 
 3  * @Version: 1.0
 4  * @Autor: longbs
 5  * 先序构建
 6  */
 7 
 8 class Node {
 9   constructor (data = '#') {
10     this.data = data
11     this.lNode = null
12     this.rNode = null
13   }
14 }
15 
16 class BiTree {
17   root = null
18   nodeList = []
19   constructor (nodeList) {
20     this.root = new Node()
21     this.nodeList = nodeList
22   }
23   createNode (node) {
24     const data = this.nodeList.shift()
25     if (data === '#') return
26     node.data = data
27     // 下一个元素是不是空节点, 如果不是创建左节点
28     if (this.nodeList[0] !== '#') {
29       node.lNode = new Node(data)
30     }
31     this.createNode(node.lNode)
32 
33     // 下一个元素是不是空节点, 如果不是创建右节点
34     if (this.nodeList[0] !== '#') {
35       node.rNode = new Node(data)
36     }
37     this.createNode(node.rNode)
38     
39   }
40 }
41 
42 const arr = ['A','B','D','#','#','E','#','#','C','F','#', '#', 'G', '#', '#']
43 const bi = new BiTree(arr)
44 bi.createNode(bi.root)
45 console.log(bi.root)

 1 /*
 2  * @Description: 
 3  * @Version: 1.0
 4  * @Autor: longbs
 5  * 层次构建
 6  */
 7   class Node {
 8     constructor (data = '#') {
 9       this.data = data
10       this.lNode = null
11       this.rNode = null
12     }
13   }
14   
15   class BiTreeByLevel {
16     root = null
17     constructor () {
18       this.root = null
19     }
20     createNode (nodeList) {
21       let queue = []
22       if (!this.root) {
23         let nodeValue = nodeList.shift()
24         this.root = new Node(nodeValue)
25         queue.push(this.root)
26       }
27       while (queue.length) {
28         // 将队列队首出队，这个是树的跟节点或者子树的跟节点
29         let head= queue.shift()
30         // 找到相关的在入队
31         let nodeValue = nodeList.shift()
32         // 构建左节点
33         if (nodeValue !== '#') {
34           head.lNode = new Node(nodeValue)
35           queue.push(head.lNode)
36         }
37         // 右节点
38         nodeValue = nodeList.shift()
39         if (nodeValue !== '#') {
40           head.rNode = new Node(nodeValue)
41           queue.push(head.rNode)
42         }
43       }
44     }
45   }
46 
47 let arr = ['A','B','C','D','E','F','G','#','#','#','#','#','#','#','#']
48 let bi = new BiTreeByLevel(arr)
49 bi.createNode(arr)
50 console.log(bi.root)