Python高级数据结构——B树和B+树

Python中的B树和B+树:高级数据结构解析

B树和B+树是一种多叉树,常用于处理大量数据的存储和检索操作。它们广泛应用于文件系统、数据库索引等领域,具有高效的插入、删除和搜索性能。在本文中,我们将深入讲解Python中的B树和B+树,包括它们的基本概念、插入、删除和搜索操作,并使用代码示例演示它们的使用。

基本概念

1. B树和B+树的定义

B树和B+树是一种自平衡的搜索树,其每个节点可以包含多个键值对。B树和B+树的主要区别在于节点的定义和遍历方式。

B树: 每个节点包含键值对,并具有子节点。B树的节点包含的键值对数量介于t-1和2t-1之间,其中t是树的最小度数。
B+树: 内部节点只包含键值,不存储数据。所有的数据都存储在叶子节点上,形成有序链表。B+树的节点包含的键值对数量介于t和2t-1之间。

class BNode:def __init__(self, is_leaf=True):self.keys = []self.children = []self.is_leaf = is_leafclass BTree:def __init__(self, t):self.root = BNode()self.t = t  # 最小度数

插入操作

2. B树和B+树的插入

B树和B+树的插入操作包括两个步骤:首先找到要插入的位置,然后将键值对插入到节点中。插入后,可能需要进行节点分裂操作,以保持树的平衡性。

class BTree:# ... (前面的定义)def insert(self, key):root = self.rootif len(root.keys) == 2 * self.t - 1:new_root = BNode(is_leaf=False)new_root.children.append(root)self._split_child(new_root, 0)self.root = new_rootself._insert_non_full(new_root, key)else:self._insert_non_full(root, key)def _insert_non_full(self, x, key):i = len(x.keys) - 1if x.is_leaf:x.keys.append(None)while i >= 0 and key < x.keys[i]:x.keys[i + 1] = x.keys[i]i -= 1x.keys[i + 1] = keyelse:while i >= 0 and key < x.keys[i]:i -= 1i += 1if len(x.children[i].keys) == 2 * self.t - 1:self._split_child(x, i)if key > x.keys[i]:i += 1self._insert_non_full(x.children[i], key)def _split_child(self, x, i):t = self.ty = x.children[i]z = BNode(is_leaf=y.is_leaf)x.children.insert(i + 1, z)x.keys.insert(i, y.keys[t - 1])z.keys = y.keys[t:2 * t - 1]y.keys = y.keys[0:t - 1]if not y.is_leaf:z.children = y.children[t:2 * t]y.children = y.children[0:t]

删除操作

3. B树和B+树的删除

B树和B+树的删除操作同样包括两个步骤:首先找到要删除的位置,然后从节点中删除键值对。删除后,可能需要进行节点合并操作,以保持树的平衡性。

class BTree:# ... (前面的定义)def delete(self, key):root = self.rootif len(root.keys) == 0:returnself._delete(root, key)if len(root.keys) == 0 and not root.is_leaf:self.root = root.children[0]def _delete(self, x, key):t = self.ti = 0while i < len(x.keys) and key > x.keys[i]:i += 1if i < len(x.keys) and key == x.keys[i]:if x.is_leaf:del x.keys[i]else:self._delete_internal(x, i)elif not x.is_leaf:self._delete_recursive(x, i, key)def _delete_recursive(self, x, i, key):t = self.tchild = x.children[i]if len(child.keys) == t - 1:self._fix_child(x, i)i -= 1self._delete(child, key)def _delete_internal(self, x, i):t = self.tkey = x.keys[i]if x.children[i].is_leaf:predecessor = self._get_predecessor(x.children[i])x.keys[i] = predecessorself._delete(x.children[i], predecessor)else:successor = self._get_successor(x.children[i])x.keys[i] = successorself._delete(x.children[i], successor)def _get_predecessor(self, x):while not x.is_leaf:x = x.children[-1]return x.keys[-1]def _get_successor(self, x):while not x.is_leaf:x = x.children[0]return x.keys[0]def _fix_child(self, x, i):t = self.tif i > 0 and len(x.children[i - 1].keys) >= t:self._borrow_from_prev(x, i)elif i < len(x.children) - 1 and len(x.children[i + 1].keys) >= t:self._borrow_from_next(x, i)elif i > 0:self._merge(x, i - 1)else:self._merge(x, i)def _borrow_from_prev(self, x, i):child = x.children[i]sibling = x.children[i - 1]child.keys.insert(0, x.keys[i - 1])x.keys[i - 1] = sibling.keys.pop()if not child.is_leaf:child.children.insert(0, sibling.children.pop())def _borrow_from_next(self, x, i):child = x.children[i]sibling = x.children[i + 1]child.keys.append(x.keys[i])x.keys[i] = sibling.keys.pop(0)if not child.is_leaf:child.children.append(sibling.children.pop(0))def _merge(self, x, i):t = self.tchild = x.children[i]sibling = x.children[i + 1]child.keys.append(x.keys.pop(i))child.keys += sibling.keysif not child.is_leaf:child.children += sibling.childrendel x.children[i + 1]

搜索操作

4. B树和B+树的搜索

B树和B+树的搜索操作与普通的二叉搜索树类似,通过递归实现。

class BTree:# ... (前面的定义)def search(self, key):return self._search(self.root, key)def _search(self, x, key):i = 0while i < len(x.keys) and key > x.keys[i]:i += 1if i < len(x.keys) and key == x.keys[i]:return Trueelif x.is_leaf:return Falseelse:return self._search(x.children[i], key)

应用场景

B树和B+树广泛应用于文件系统、数据库索引等需要大量数据存储和检索的场景。它们的平衡性和高效性能使得它们成为处理大规模数据的理想选择。

总结

B树和B+树是一种多叉搜索树,具有高效的插入、删除和搜索性能。它们通过节点的合并和分裂操作来保持平衡,适用于大规模数据的存储和检索。在Python中,我们可以使用类似上述示例的代码实现B树和B+树,并根据实际问题定制插入、删除和搜索的操作。理解B树和B+树的基本概念和操作,将有助于更好地应用它们解决实际问题,提高数据存储和检索的效率。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/203675.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C++类和对象——(8)类的组合

归纳编程学习的感悟&#xff0c; 记录奋斗路上的点滴&#xff0c; 希望能帮到一样刻苦的你&#xff01; 如有不足欢迎指正&#xff01; 共同学习交流&#xff01; &#x1f30e;欢迎各位→点赞 &#x1f44d; 收藏⭐ 留言​&#x1f4dd; 人生就像骑单车&#xff0c;想保持平衡…

PHP入门软件Wampserver与vscode

PHP入门软件Wampserver与vscode Wampserver 一个集成的PHP环境&#xff0c;非常好用&#xff0c;上链接官网&#xff1a;https://www.wampserver.com/#download-wrapper 推荐华军https://www.onlinedown.net/soft/82112.htm 无脑下一步就行&#xff0c;会出现两个弹窗全点否。…

OMSA无法打开无法显示等服务异常时如何处理

文章目录 为何需要重启OMSAWindows 重启OMSA服务Linux 重启OMSA服务VMware 环境重启OMSA服务重启无效的解决办法推荐阅读 为何需要重启OMSA 在安装 OMSA 的服务器中&#xff0c;OMSA 管理软件运行可能会不稳定。例如&#xff1a; 某些信息&#xff08;如存储信息&#xff09;…

Redis quicklist源码+listpack源码(6.0+以上版本)

ziplist设计上的问题&#xff0c;每一次增删改都需要计算前面元素的空间和长度&#xff08;prevlen&#xff09;&#xff0c;这种设计缺陷非常明显&#xff0c;一旦其中一个entry发生修改&#xff0c;以这个entry后面开始&#xff0c;全部需要重新计算prevlen&#xff0c;因此诞…

nodejs+vue+微信小程序+python+PHP新闻发布系统的设计与实现-计算机毕业设计推荐

根据现实需要&#xff0c;此系统我们设计出一下功能&#xff0c;主要有以下功能模板。 &#xff08;1&#xff09;新闻发布系统前台&#xff1a;首页、时事新闻、公告资讯、个人中心。 &#xff08;2&#xff09;管理员功能&#xff1a;首页、个人中心、用户管理、新闻分类管理…

Open3D 进阶(19)间接平差法拟合平面

目录 一、算法原理二、代码实现三、结果展示本文由CSDN点云侠原创,原文链接。如果你不是在点云侠的博客中看到该文章,那么此处便是不要脸的爬虫与GPT。 一、算法原理 见:PCL 间接平差法拟合平面 二、代码实现 import numpy as np import open3d

24:kotlin 类和对象 -- 对象表达式和声明(Object expressions and declarations)

如果需要创建一个稍微修改了某个类的对象&#xff0c;而不需要显式地声明一个新的子类。Kotlin可以通过对象表达式&#xff08;object expressions&#xff09;和对象声明&#xff08;object declarations&#xff09;来处理这种情况。 对象表达式 对象表达式用于创建匿名类的…

中国移动频段划分

1、900MHz&#xff08;Band8&#xff09;上行&#xff1a;889-904MHz&#xff0c;下行&#xff1a;934-949MHz&#xff0c;带宽共计15MHz&#xff0c;目前部署&#xff1a;2G/NB-IoT/4G 2、1800MHz&#xff08;Band3&#xff09;上行&#xff1a;1710-1735MHz&#xff0c;下行…

kyuubi整合flink yarn application model

目录 概述配置flink 配置kyuubi 配置kyuubi-defaults.confkyuubi-env.shhive 验证启动kyuubibeeline 连接使用hive catalogsql测试 结束 概述 flink 版本 1.17.1、kyuubi 1.8.0、hive 3.1.3、paimon 0.5 整合过程中&#xff0c;需要注意对应的版本。 注意以上版本 姊妹篇 k…

机器学习之蛙跳算法(Jumping Frog Optimization,JFO)

概念 蛙跳算法(Jumping Frog Optimization,JFO)是一种基于仿生学和自然界觅食行为的启发式优化算法。该算法模拟了青蛙在寻找食物时的跳跃行为。青蛙通过一系列跳跃来寻找最优位置,而这些跳跃的长度和方向是通过计算当前位置的适应度值来确定的。 蛙跳算法的基本步骤: …

AXURE地图获取方法

AXURE地图截取地址 https://axhub.im/maps/ 1、点击上方地图或筛选所需地区的地图&#xff0c;点击复制到 Axure 按钮&#xff0c;到 Axure 粘贴就可以了 2、复制到 Axure 后&#xff0c;转化为 svg 图形&#xff0c;就可以随意更改尺寸/颜色/边框&#xff0c;具体操作如下&am…

微型5G网关如何满足智能巡检机器人应用

在规模庞大、设施复杂的炼化厂、钢铁厂、工业园区等大型、巨型区域&#xff0c;时刻需要对各类设施设备巡查监测&#xff0c;保障生产运行安全可控。传统的人工巡检存在着心态松懈、工作低效、工作强度高、工作环境恶劣等问题&#xff0c;仍然存在安全隐患。 而随着物联网、5G、…

【Flink on k8s】- 6 - Flink 核心特性

目录 1、系统架构 1.1 Flink api 抽象 1.2 数据流图 1.1.1、流式计算引擎逻辑视角与物理视角

稀疏矩阵的操作(数据结构实训)

题目&#xff1a; 标准输入输出 题目描述&#xff1a; 稀疏矩阵可以采用三元组存储。 输入&#xff1a; 输入包含若干个测试用例&#xff0c;每个测试用例的第一行为两个正整数m,n(1<m,n<100),表示矩阵的行数和列数,接下来m行&#xff0c;每行n个整数&#xff0c;表示稀疏…

[NEO解题报告]《Leetcode》1423. 可获得的最大点数 - Rust/C++

文章目录 思路解题方法复杂度CodeRust代码rust 用例 C 代码 Problem: 1423. 可获得的最大点数 思路 两种算法都可以&#xff1a; 方法1&#xff1a; 直接计算&#xff0c; 首尾各自往中间记录两个前缀和&#xff0c; 然后单次遍历 从前面取i个和后面取 k-i 个的和&#xff0c; …

Linux设备树

一、起源 减少垃圾代码 减轻驱动开发工作量 驱动代码和设备信息分离 参考Open Fireware设计 用来记录硬件平台中各种硬件设备的属性信息 二、基本组成 两种源文件&#xff1a; xxxxx.dts dts是device tree source的缩写xxxxx.dtsi dtsi是device tree source include的缩…

HarmonyOS4.0从零开始的开发教程08构建列表页面

HarmonyOS&#xff08;六&#xff09;构建列表页面 List组件和Grid组件的使用 简介 在我们常用的手机应用中&#xff0c;经常会见到一些数据列表&#xff0c;如设置页面、通讯录、商品列表等。下图中两个页面都包含列表&#xff0c;“首页”页面中包含两个网格布局&#xff…

鸿蒙HarmonyOS4.0开发应用学习笔记

黑马程序员鸿蒙4.0视频学习笔记&#xff0c;供自己回顾使用。1.安装开发工具DevEco Studio 鸿蒙harmony开发文档指南 DevEco Studio下载地址 选择或者安装环境 选择和下载SDK 安装总览 编辑器界面 2.TypeScript语法 2.1变量声明 //string 、number、boolean、any、u…

清理oracle库30亿的表后,释放删除空间

1.创建中间表 请以HADES_COD.HDS_COD_BUSI_DETAIL为模板&#xff0c; 手动创建中间表&#xff1a;HADES_COD.HDS_COD_BUSI_DETAIL_1 以及它的constraint约束 示例&#xff1a; -- Create table create table HADES_COD.HDS_COD_BUSI_DETAIL_1 ( id …

HarmonyOS学习--初次下载安装和配置环境

一、Windows下载与安装软件 运行环境要求&#xff1a; 为保证DevEco Studio正常运行&#xff0c;建议电脑配置满足如下要求&#xff1a; 操作系统&#xff1a;Windows10 64位、Windows11 64位内存&#xff1a;8GB及以上硬盘&#xff1a;100GB及以上分辨率&#xff1a;1280*80…