လွယ်လွယ်ပြောရရင် Tree ဆိုတာ Data တွေကို သစ်ပင်လို အကိုင်းအခက် ခွဲပြီး စီထားတဲ့ Data Structure တစ်ခုပါ။ အပေါ်ဆုံးမှာ Root တစ်ခုရှိတယ်။ Root အောက်မှာ အကိုင်းတွေ ခွဲထွက်သွားတယ်။ အကိုင်းတစ်ခုချင်းစီရဲ့ အောက်မှာလည်း အကိုင်းငယ်တွေ ထပ်ခွဲထွက်သွားတယ်။ အဆုံးမှာ အရွက်တွေ (Leaf) နဲ့ ဆုံးပါတယ်။
ကျွန်တော် ဒါကို မိသားစုသစ်ပင်နဲ့ ဥပမာပေးချင်တယ်။ အဖိုးက အပေါ်ဆုံးမှာ ရှိတယ်။ အဖိုးအောက်မှာ သားသမီး ၃ ယောက် ရှိတယ်။ သားသမီးတစ်ယောက်ချင်းစီရဲ့ အောက်မှာလည်း မြေးတွေ ထပ်ရှိတယ်။ တစ်ယောက်ချင်းစီက သူ့အထက် (Parent) နဲ့ သူ့အောက် (Children) ကို သိတယ်။ ဒါ Tree ရဲ့ ပုံစံပါပဲ။
ကိုယ်နေ့တိုင်း သုံးနေတဲ့ Computer ထဲမှာလည်း Tree တွေ အများကြီးပါ။ Folder ထဲမှာ Folder၊ Folder ထဲမှာ ဖိုင်ဆိုတာ Tree ပါပဲ။ C:\ တစ်ခုက Root။ အောက်မှာ Documents၊ Pictures၊ Downloads ဆိုတဲ့ အကိုင်းတွေ။ Documents အောက်မှာလည်း Folder တွေ ထပ်ရှိတယ်။ ဖိုင်တွေက အရွက် (Leaf) တွေပါ။
Tree ထဲမှာ သုံးတဲ့ စကားလုံးတွေ
Root — သစ်ပင်ရဲ့ အပေါ်ဆုံး Node ပါ။ Tree တစ်ခုမှာ Root တစ်ခုပဲ ရှိပါတယ်။ မိသားစုမှာ အဖိုးနဲ့ တူပါတယ်။
Node — သစ်ပင်ပေါ်က အမှတ်တစ်ခုချင်းစီပါ။ Folder တစ်ခုချင်းစီ၊ ဖိုင်တစ်ခုချင်းစီက Node တွေပါ။
Parent / Child — အပေါ်က Node က Parent၊ အောက်က Node တွေက Children ပါ။ Documents Folder က Parent ဆိုရင် အထဲက Sub-folder တွေက Children တွေပါ။
Leaf — အောက်မှာ ထပ်မခွဲတော့တဲ့ Node ပါ။ ဖိုင်တွေက Leaf တွေနဲ့ တူပါတယ်။ ဖိုင်ထဲမှာ Folder ထပ်ထည့်လို့ မရဘူးလေ။
Depth — Root ကနေ အဲဒီ Node အထိ ဘယ်နှဆင့် ဆင်းရလဲဆိုတာပါ။ Root က Depth 0၊ သူ့အောက်က Children တွေက Depth 1 ပါ။
Height — Root ကနေ အဝေးဆုံး Leaf အထိ ဘယ်နှဆင့်ရှိလဲဆိုတာပါ။ Folder အနက်ကြီးရင် Height မြင့်ပါတယ်။
Tree နဲ့ ရင်းနှီးတဲ့ ဥပမာတွေ
File System — Windows Explorer မှာ Folder တွေ ခွဲထားတာ Tree ပါ။ Folder တစ်ခုထဲ ဝင်လိုက်တိုင်း အကိုင်းတစ်ခုထဲ ဆင်းသွားတာပါ။
HTML / DOM — Website တစ်ခု ဖွင့်လိုက်ရင် Browser က စာမျက်နှာကို Tree အဖြစ် ဖတ်ပါတယ်။ <html> က Root၊ <head> နဲ့ <body> က Children၊ အထဲက Tag တွေက ထပ်ခွဲသွားတဲ့ အကိုင်းတွေပါ။
Binary Search Tree — Data ရှာဖို့ အမြန်ဆုံး Tree ပုံစံတွေထဲက တစ်ခုပါ။ Node တစ်ခုချင်းစီမှာ ဘယ်ဘက်က သေးတဲ့ ဂဏန်း၊ ညာဘက်က ကြီးတဲ့ ဂဏန်း ထားပါတယ်။ ရှာချင်တဲ့ ဂဏန်းကို တစ်ဆင့်ချင်း ဘယ်/ညာ ရွေးပြီး သွားလိုက်ရင် အမြန်ဆုံး တွေ့ပါတယ်။
Python နဲ့ Tree တစ်ပင် ဆောက်ကြည့်မယ်
class Node:
def __init__(self, name):
self.name = name
self.children = []
def add(self, child):
self.children.append(child)
root = Node("C:")
docs = Node("Documents")
pics = Node("Pictures")
root.add(docs)
root.add(pics)
docs.add(Node("resume.pdf"))
docs.add(Node("notes.txt"))
ဒီ Code လေးက Folder Tree တစ်ပင်ကို ဆောက်ထားတာပါ။ Node တစ်ခုချင်းစီမှာ နာမည်နဲ့ Children စာရင်း ရှိပါတယ်။ add() နဲ့ အကိုင်းထပ်ထည့်လိုက်တာပါ။ အဲဒီလို ရိုးရိုးရှင်းရှင်း Class တစ်ခုနဲ့ Tree တစ်ပင် ရသွားပါတယ်။
Tree ကို ဘယ်အချိန်မှာ သုံးသင့်လဲ?
အရာတွေ အဆင့်ဆင့် ခွဲထားရတဲ့အခါ — Folder၊ Menu၊ Organization Chart၊ Comment Reply တွေ အားလုံး Tree နဲ့ ကိုက်ပါတယ်။
ရှာတာ မြန်ချင်တဲ့အခါ — Binary Search Tree လို ပုံစံမျိုးက Data အများကြီးထဲက ရှာတာ List နဲ့ တစ်လုံးချင်း လိုက်ရှာတာထက် အများကြီး မြန်ပါတယ်။
ဒါပေမယ့် အရာအားလုံးကို Tree လုပ်စရာ မလိုပါဘူး။ Data တွေ တန်းစီထားရုံနဲ့ လုံလောက်ရင် List က ပိုရိုးရှင်းပါတယ်။ Tree က အဆင့်ဆင့် ဆက်စပ်မှုရှိတဲ့ Data အတွက်သာ သုံးပါ။
ကျွန်တော်တို့ ကွန်ပျူတာ သုံးတိုင်း Folder ထဲ ဝင်၊ ထွက် လုပ်နေကြပေမယ့် အဲဒါ Tree ဆိုတာ သတိမထားမိကြဘူး။ အခု သိသွားပြီဆိုရင် နောက်တစ်ခါ Folder ဖွင့်တဲ့အခါ “အော်၊ ငါ Tree ထဲမှာ လမ်းလျှောက်နေတာပဲ” လို့ တွေးမိသွားမှာပါ။ Data Structure ဆိုတာ စာအုပ်ထဲက သီအိုရီမဟုတ်ဘူး။ ကိုယ် နေ့တိုင်း သုံးနေတဲ့ အရာတွေရဲ့ နောက်ကွယ်မှာ ရှိနေတာပါ။ 🙂
—