Data structures 哪个更容易实现：2-3-4树还是红黑树？

我正在学习的教科书（Lafore）首先介绍了红黑树，并且没有包含任何伪代码，尽管所介绍的相关算法似乎相当复杂，有许多独特的情况

接下来，他展示了2-3-4棵树，在我看来，它们更容易理解，我猜，也更容易实现。他包含了一些非常清晰的实际Java代码。他似乎暗示2-3-4更容易实现，根据我目前所看到的情况，我会同意

然而，维基百科的说法正好相反。。。我认为这可能是不正确的：

2-3-4树是红黑树的等距图，这意味着它们是 等效数据结构。换句话说，每2-3-4棵树， 中至少存在一个包含数据元素的红黑树 同样的顺序。此外，在2-3-4棵树上进行插入和删除操作 导致节点扩展、拆分和合并的 红黑树中的颜色翻转和旋转。介绍 红黑树通常首先引入2-3-4棵树，因为它们是 概念上更简单<然而，强壮的>2-3-4棵树可能很难生长 在大多数编程语言中实现，因为 树上作业涉及的特殊情况。红黑相间的树很漂亮 更易于实现，因此倾向于使用。

具体来说，关于“大量特殊情况”的部分在我看来相当落后（我认为是RB有大量特殊情况，而不是2-3-4）。但是，我仍在学习（老实说，我还没有完全了解红黑树），所以我很想听听其他的意见

作为旁注。。。虽然我确实同意Lafore所说的大部分内容，但我认为有趣的是，与维基百科所说的常见内容（RB之前的2-3-4）相比，他以相反的顺序呈现了这些内容。我确实认为2-3-4首先更有意义，因为RB很难概念化。也许他选择这个顺序是因为RB与他在上一章刚刚完成的BST的关系更为密切

关于“大量特殊情况”的部分对我来说似乎相当落后（我认为是RB有大量特殊情况，而不是2-3-4）

如果您的语言中有模式匹配，RB树可以在十几行中实现：

data Color = R | B
data Tree a = E | T Color (Tree a) a (Tree a)

balance :: Color -> Tree a -> a -> Tree a -> Tree a
balance B (T R (T R a x b) y c          ) z d                               = T R (T B a x b) y (T B c z d)
balance B (T R a           x (T R b y c)) z d                               = T R (T B a x b) y (T B c z d)
balance B a                               x (T R (T R b y c) z d          ) = T R (T B a x b) y (T B c z d)
balance B a                               x (T R b           y (T R c z d)) = T R (T B a x b) y (T B c z d)
balance col a x b = T col a x b

insert :: Ord a => a -> Tree a -> Tree a
insert x s = T B a y b where
  ins E          =  T R E x E
  ins s@(T col a y b) 
    | x < y      =  balance col (ins a) y b
    | x > y      =  balance col a y (ins b)
    | otherwise  =  s
  T _ a y b = ins s

data Color=R | B
数据树a=E | T颜色（树a）a（树a）
平衡：：颜色->树a->树a->树a->树a
余额B（tr（tra x B）yc）zd=tr（tba x B）y（tbczd）
余额B（trax（trbbyc））zd=tr（tbaaxb）y（tbczd）
余额B a x（tr（tr B y c）z d）=tr（tb a x B）y（tb c z d）
余额B a x（tr B y（tr c z d））=tr（tb a x B）y（tb c z d）
平衡柱a x b=T柱a x b
插入：：Ord a=>a->树a->树a
插入x s=T B a y B，其中
INSE=TREEXE
ins s@（T列a和b）
|xy=平衡柱a y（ins b）
|否则=s
T a y b=ins s

---

这个著名的定义

我不确定哪一个更容易实现，但可能会有所帮助。这似乎很主观，所以也许你可以编辑这个问题，以更具体地说明什么是“更容易”。也许只是需要考虑的特殊情况的数量？我明白你的意思，但维基百科和我提到的教科书都使用了相同的概括性。。。i、 e.比较两种不同算法的实现时，只考虑“易用性”或“简单性”。我想用SLOC来衡量这样一个模糊不清的词是一个好主意。另一个是“易于理解”，这确实是主观的。。。但我认为，在很大程度上，这一指标是正确的：SLOC越少，就越容易理解。