真实生活中的的树大家都见过，也非常熟悉。而数据结构中的树结构，跟我们真实的树非常类似，有主干，支干，叶子。下面是某公司的组织架构图： 这就是一个很典型的树状图，总经理类似树的主干，他的子部门类似树的支干，其他部门类似树的叶子，这样就构成了一个树结构的架构图。
我们将里面的数据移除，仅仅抽象出来结构，那么就是我们要学的树结构。

树的优点

我们前面学习了很多数据结构，有数组/链表/哈希表，那么为什么要用树结构来保存数据呢？它有什么优点呢？我们来一一分析一下：

数组

• 优点：根据下标值访问数据效率很高
• 缺点：数组在插入或者删除的情况下，有大量数据位移操作，效率很低

链表

• 优点：链表的插入和删除数据的效率都很高
• 缺点：查找效率很低，需要从头开始查找，依次遍历每个数据项，直到找到为止。而且即使是插入和删除的效率很高，但是如果要从中间操作数据，还是得从头开始查找数据。

哈希表

• 优点：哈希表的查找/插入/删除效率都很高
• 缺点：空间利用率不高，底层使用的是数组，某些单元并没有被利用。无法快速找出哈希表中类似极值的这种特殊值。

树结构

终于来到将要学习的树结构了，树结构的优点其实就是弥补了以上数据结构的缺点，而且综合了以上数据结构的优点(听起来是完美的数据结构)，但是我们并不能说树结构比其他数据结构都要好，因为每种数据结构都有特定的使用场景，在特定的使用场景下才能说最好的数据结构是xxx。就像JavaScript啥都能做，但是你能说JavaScript是世界上最好的语言吗(手动狗头，我觉得是)？

树的术语

为了让我们更加理解树结构，需要知道一些树的术语。
树(Tree)：n(n>=0)个节点构成的有限集合。

• 当n=0时，我们称此时的树为空树 那么对于一颗非空树，它拥有以下性质：
• 它的根节点(Root)我们用r表示
• 其余的节点可分为m(m>0)个互不相交的有限集T1，T2，... ，Tm，其中每个集合本身又是一棵树，称为原来数的子树(SubTree)
• 节点的度(Degree)：节点的子树个数，下图A节点的度为2
• 树的度：所有节点中最大的度数，下图树的度为2
• 叶节点(Leaf)：度为0的节点
• 父节点(Parent)：如下图B是D和E节点的父节点
• 子节点(Child)：如下图D和E节点是B的子节点
• 兄弟节点(Sibling)：如下图D和E互为兄弟节点
• 路径和路径的长度：如下图A到H就是一条路径，路径的长度为之间所连成的线的个数，为3。
• 节点的层次(Level)：规定根节点在1层，其他任一节点的层数是其父节点的层数加1。
• 树的深度(Deep)：树节点的最大层次。