diff --git a/.gitignore b/.gitignore
index 70b2f49f..3ff30549 100644
--- a/.gitignore
+++ b/.gitignore
@@ -13,3 +13,6 @@ docs/overrides/
 
 # python files
 __pycache__
+
+# iml
+hello-algo.iml
diff --git a/codes/c/chapter_sorting/bubble_sort.c b/codes/c/chapter_sorting/bubble_sort.c
index f59b81d0..6b67bd72 100644
--- a/codes/c/chapter_sorting/bubble_sort.c
+++ b/codes/c/chapter_sorting/bubble_sort.c
@@ -48,6 +48,8 @@ void bubble_sort_with_flag(int nums[], int size)
     }
 }
 
+
+/* Driver Code */
 int main()
 {
     int nums[6] = {4, 1, 3, 1, 5, 2};
diff --git a/codes/cpp/chapter_sorting/bubble_sort.cpp b/codes/cpp/chapter_sorting/bubble_sort.cpp
index 07182745..87ca305d 100644
--- a/codes/cpp/chapter_sorting/bubble_sort.cpp
+++ b/codes/cpp/chapter_sorting/bubble_sort.cpp
@@ -14,9 +14,8 @@ void bubbleSort(vector<int>& nums) {
         for (int j = 0; j < i; j++) {
             if (nums[j] > nums[j + 1]) {
                 // 交换 nums[j] 与 nums[j + 1]
-                int tmp = nums[j];
-                nums[j] = nums[j + 1];
-                nums[j + 1] = tmp;
+                // 这里使用了 std::swap() 函数
+                swap(nums[j], nums[j + 1]);
             }
         }
     }
@@ -31,9 +30,8 @@ void bubbleSortWithFlag(vector<int>& nums) {
         for (int j = 0; j < i; j++) {
             if (nums[j] > nums[j + 1]) {
                 // 交换 nums[j] 与 nums[j + 1]
-                int tmp = nums[j];
-                nums[j] = nums[j + 1];
-                nums[j + 1] = tmp;
+                // 这里使用了 std::swap() 函数
+                swap(nums[j], nums[j + 1]);
                 flag = true;  // 记录交换元素
             }
         }
diff --git a/codes/cpp/chapter_tree/binary_tree_bfs.cpp b/codes/cpp/chapter_tree/binary_tree_bfs.cpp
index eeec2a18..30c2d600 100644
--- a/codes/cpp/chapter_tree/binary_tree_bfs.cpp
+++ b/codes/cpp/chapter_tree/binary_tree_bfs.cpp
@@ -15,12 +15,12 @@ vector<int> hierOrder(TreeNode* root) {
     vector<int> vec;
     while (!queue.empty()) {
         TreeNode* node = queue.front();
-        queue.pop();  // 队列出队
-        vec.push_back(node->val);            // 保存结点
+        queue.pop();                 // 队列出队
+        vec.push_back(node->val);    // 保存结点
         if (node->left != nullptr)
-            queue.push(node->left);    // 左子结点入队
+            queue.push(node->left);  // 左子结点入队
         if (node->right != nullptr)
-            queue.push(node->right);   // 右子结点入队
+            queue.push(node->right); // 右子结点入队
     }
     return vec;
 }
diff --git a/codes/go/chapter_computational_complexity/space_complexity.go b/codes/go/chapter_computational_complexity/space_complexity.go
index 77780ae0..eb3ebec9 100644
--- a/codes/go/chapter_computational_complexity/space_complexity.go
+++ b/codes/go/chapter_computational_complexity/space_complexity.go
@@ -42,7 +42,7 @@ func printTree(root *TreeNode) {
 	printTree(root.right)
 }
 
-/* 函数（或称方法）*/
+/* 函数 */
 func function() int {
 	// do something...
 	return 0
diff --git a/codes/javascript/chapter_hashing/array_hash_map.js b/codes/javascript/chapter_hashing/array_hash_map.js
new file mode 100644
index 00000000..f5c77aa2
--- /dev/null
+++ b/codes/javascript/chapter_hashing/array_hash_map.js
@@ -0,0 +1,129 @@
+/*
+ * File: array_hash_map.js
+ * Created Time: 2022-12-26
+ * Author: Justin (xiefahit@gmail.com)
+ */
+
+/* 键值对 Number -> String */
+class Entry {
+    constructor(key, val) {
+        this.key = key;
+        this.val = val;
+    }
+}
+
+/* 基于数组简易实现的哈希表 */
+class ArrayHashMap {
+    #bucket;
+    constructor() {
+        // 初始化一个长度为 100 的桶（数组）
+        this.#bucket = new Array(100).fill(null);
+    }
+
+    /* 哈希函数 */
+    #hashFunc(key) {
+        return key % 100;
+    }
+
+    /* 查询操作 */
+    get(key) {
+        let index = this.#hashFunc(key);
+        let entry = this.#bucket[index];
+        if (entry === null) return null;
+        return entry.val;
+    }
+
+    /* 添加操作 */
+    set(key, val) {
+        let index = this.#hashFunc(key);
+        this.#bucket[index] = new Entry(key, val);
+    }
+
+    /* 删除操作 */
+    delete(key) {
+        let index = this.#hashFunc(key);
+        // 置为 null ，代表删除
+        this.#bucket[index] = null;
+    }
+
+    /* 获取所有键值对 */
+    entries() {
+        let arr = [];
+        for (let i = 0; i < this.#bucket.length; i++) {
+            if (this.#bucket[i]) {
+                arr.push(this.#bucket[i]);
+            }
+        }
+        return arr;
+    }
+
+    /* 获取所有键 */
+    keys() {
+        let arr = [];
+        for (let i = 0; i < this.#bucket.length; i++) {
+            if (this.#bucket[i]) {
+                arr.push(this.#bucket[i]?.key);
+            }
+        }
+        return arr;
+    }
+
+    /* 获取所有值 */
+    values() {
+        let arr = [];
+        for (let i = 0; i < this.#bucket.length; i++) {
+            if (this.#bucket[i]) {
+                arr.push(this.#bucket[i]?.val);
+            }
+        }
+        return arr;
+    }
+
+    /* 打印哈希表 */
+    print() {
+        let entrySet = this.entries();
+        for (const entry of entrySet) {
+            if (!entry) continue;
+            console.info(`${entry.key} -> ${entry.val}`);
+        }
+    }
+}
+
+/* Driver Code */
+/* 初始化哈希表 */
+const map = new ArrayHashMap();
+/* 添加操作 */
+// 在哈希表中添加键值对 (key, value)
+map.set(12836, '小哈');
+map.set(15937, '小啰');
+map.set(16750, '小算');
+map.set(13276, '小法');
+map.set(10583, '小鸭');
+console.info('\n添加完成后，哈希表为\nKey -> Value');
+map.print();
+
+/* 查询操作 */
+// 向哈希表输入键 key ，得到值 value
+let name = map.get(15937);
+console.info('\n输入学号 15937 ，查询到姓名 ' + name);
+
+/* 删除操作 */
+// 在哈希表中删除键值对 (key, value)
+map.delete(10583);
+console.info('\n删除 10583 后，哈希表为\nKey -> Value');
+map.print();
+
+/* 遍历哈希表 */
+console.info('\n遍历键值对 Key->Value');
+for (const entry of map.entries()) {
+    if (!entry) continue;
+    console.info(entry.key + ' -> ' + entry.val);
+}
+console.info('\n单独遍历键 Key');
+for (const key of map.keys()) {
+    console.info(key);
+}
+console.info('\n单独遍历值 Value');
+for (const val of map.values()) {
+    console.info(val);
+}
diff --git a/codes/javascript/chapter_hashing/hash_map.js b/codes/javascript/chapter_hashing/hash_map.js
new file mode 100644
index 00000000..197fb7dd
--- /dev/null
+++ b/codes/javascript/chapter_hashing/hash_map.js
@@ -0,0 +1,44 @@
+/*
+ * File: hash_map.js
+ * Created Time: 2022-12-26
+ * Author: Justin (xiefahit@gmail.com)
+ */
+
+/* Driver Code */
+/* 初始化哈希表 */
+const map = new Map();
+
+/* 添加操作 */
+// 在哈希表中添加键值对 (key, value)
+map.set(12836, '小哈');
+map.set(15937, '小啰');
+map.set(16750, '小算');
+map.set(13276, '小法');
+map.set(10583, '小鸭');
+console.info('\n添加完成后，哈希表为\nKey -> Value');
+console.info(map);
+
+/* 查询操作 */
+// 向哈希表输入键 key ，得到值 value
+let name = map.get(15937);
+console.info('\n输入学号 15937 ，查询到姓名 ' + name);
+
+/* 删除操作 */
+// 在哈希表中删除键值对 (key, value)
+map.delete(10583);
+console.info('\n删除 10583 后，哈希表为\nKey -> Value');
+console.info(map);
+
+/* 遍历哈希表 */
+console.info('\n遍历键值对 Key->Value');
+for (const [k, v] of map.entries()) {
+    console.info(k + ' -> ' + v);
+}
+console.info('\n单独遍历键 Key');
+for (const k of map.keys()) {
+    console.info(k);
+}
+console.info('\n单独遍历值 Value');
+for (const v of map.values()) {
+    console.info(v);
+}
diff --git a/codes/python/chapter_tree/avl_tree.py b/codes/python/chapter_tree/avl_tree.py
new file mode 100644
index 00000000..d0ff48cb
--- /dev/null
+++ b/codes/python/chapter_tree/avl_tree.py
@@ -0,0 +1,208 @@
+"""
+File: avl_tree.py
+Created Time: 2022-12-20
+Author: a16su (lpluls001@gmail.com)
+"""
+
+import sys, os.path as osp
+import typing
+
+sys.path.append(osp.dirname(osp.dirname(osp.abspath(__file__))))
+from include import *
+
+
+class AVLTree:
+    def __init__(self, root: typing.Optional[TreeNode] = None):
+        self.root = root
+
+    """ 获取结点高度 """
+    def height(self, node: typing.Optional[TreeNode]) -> int:
+        # 空结点高度为 -1 ，叶结点高度为 0
+        if node is not None:
+            return node.height
+        return -1
+
+    """ 更新结点高度 """
+    def __update_height(self, node: TreeNode):
+        # 结点高度等于最高子树高度 + 1
+        node.height = max([self.height(node.left), self.height(node.right)]) + 1
+
+    """ 获取平衡因子 """
+    def balance_factor(self, node: TreeNode) -> int:
+        # 空结点平衡因子为 0
+        if node is None:
+            return 0
+        # 结点平衡因子 = 左子树高度 - 右子树高度
+        return self.height(node.left) - self.height(node.right)
+
+    """ 右旋操作 """
+    def __right_rotate(self, node: TreeNode) -> TreeNode:
+        child = node.left
+        grand_child = child.right
+        # 以 child 为原点，将 node 向右旋转
+        child.right = node
+        node.left = grand_child
+        # 更新结点高度
+        self.__update_height(node)
+        self.__update_height(child)
+        # 返回旋转后子树的根节点
+        return child
+
+    """ 左旋操作 """
+    def __left_rotate(self, node: TreeNode) -> TreeNode:
+        child = node.right
+        grand_child = child.left
+        # 以 child 为原点，将 node 向左旋转
+        child.left = node
+        node.right = grand_child
+        # 更新结点高度
+        self.__update_height(node)
+        self.__update_height(child)
+        # 返回旋转后子树的根节点
+        return child
+
+    """ 执行旋转操作，使该子树重新恢复平衡 """
+    def __rotate(self, node: TreeNode) -> TreeNode:
+        # 获取结点 node 的平衡因子
+        balance_factor = self.balance_factor(node)
+        # 左偏树
+        if balance_factor > 1:
+            if self.balance_factor(node.left) >= 0:
+                # 右旋
+                return self.__right_rotate(node)
+            else:
+                # 先左旋后右旋
+                node.left = self.__left_rotate(node.left)
+                return self.__right_rotate(node)
+        # 右偏树
+        elif balance_factor < -1:
+            if self.balance_factor(node.right) <= 0:
+                # 左旋
+                return self.__left_rotate(node)
+            else:
+                # 先右旋后左旋
+                node.right = self.__right_rotate(node.right)
+                return self.__left_rotate(node)
+        # 平衡树，无需旋转，直接返回
+        return node
+
+    """ 插入结点 """
+    def insert(self, val) -> TreeNode:
+        self.root = self.__insert_helper(self.root, val)
+        return self.root
+
+    """ 递归插入结点（辅助函数）"""
+    def __insert_helper(self, node: typing.Optional[TreeNode], val: int) -> TreeNode:
+        if node is None:
+            return TreeNode(val)
+        # 1. 查找插入位置，并插入结点
+        if val < node.val:
+            node.left = self.__insert_helper(node.left, val)
+        elif val > node.val:
+            node.right = self.__insert_helper(node.right, val)
+        else:
+            # 重复结点不插入，直接返回
+            return node
+        # 更新结点高度
+        self.__update_height(node)
+        # 2. 执行旋转操作，使该子树重新恢复平衡
+        return self.__rotate(node)
+
+    """ 删除结点 """
+    def remove(self, val: int):
+        root = self.__remove_helper(self.root, val)
+        return root
+
+    """ 递归删除结点（辅助函数） """
+    def __remove_helper(self, node: typing.Optional[TreeNode], val: int) -> typing.Optional[TreeNode]:
+        if node is None:
+            return None
+        # 1. 查找结点，并删除之
+        if val < node.val:
+            node.left = self.__remove_helper(node.left, val)
+        elif val > node.val:
+            node.right = self.__remove_helper(node.right, val)
+        else:
+            if node.left is None or node.right is None:
+                child = node.left or node.right
+                # 子结点数量 = 0 ，直接删除 node 并返回
+                if child is None:
+                    return None
+                # 子结点数量 = 1 ，直接删除 node
+                else:
+                    node = child
+            else:  # 子结点数量 = 2 ，则将中序遍历的下个结点删除，并用该结点替换当前结点
+                temp = self.__min_node(node.right)
+                node.right = self.__remove_helper(node.right, temp.val)
+                node.val = temp.val
+        # 更新结点高度
+        self.__update_height(node)
+        # 2. 执行旋转操作，使该子树重新恢复平衡
+        return self.__rotate(node)
+
+    """ 获取最小结点 """
+    def __min_node(self, node: typing.Optional[TreeNode]) -> typing.Optional[TreeNode]:
+        if node is None:
+            return None
+        # 循环访问左子结点，直到叶结点时为最小结点，跳出
+        while node.left is not None:
+            node = node.left
+        return node
+
+    """ 查找结点 """
+    def search(self, val: int):
+        cur = self.root
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 目标结点在 root 的右子树中
+            if cur.val < val:
+                cur = cur.right
+            # 目标结点在 root 的左子树中
+            elif cur.val > val:
+                cur = cur.left
+            # 找到目标结点，跳出循环
+            else:
+                break
+        # 返回目标结点
+        return cur
+
+
+""" Driver Code """
+if __name__ == "__main__":
+    def test_insert(tree: AVLTree, val: int):
+        tree.insert(val)
+        print("\n插入结点 {} 后，AVL 树为".format(val))
+        print_tree(tree.root)
+
+    def test_remove(tree: AVLTree, val: int):
+        tree.remove(val)
+        print("\n删除结点 {} 后，AVL 树为".format(val))
+        print_tree(tree.root)
+
+    # 初始化空 AVL 树
+    avl_tree = AVLTree()
+
+    # 插入结点
+    # 请关注插入结点后，AVL 树是如何保持平衡的
+    test_insert(avl_tree, 1)
+    test_insert(avl_tree, 2)
+    test_insert(avl_tree, 3)
+    test_insert(avl_tree, 4)
+    test_insert(avl_tree, 5)
+    test_insert(avl_tree, 8)
+    test_insert(avl_tree, 7)
+    test_insert(avl_tree, 9)
+    test_insert(avl_tree, 10)
+    test_insert(avl_tree, 6)
+
+    # 插入重复结点
+    test_insert(avl_tree, 7)
+
+    # 删除结点
+    # 请关注删除结点后，AVL 树是如何保持平衡的
+    test_remove(avl_tree, 8)  # 删除度为 0 的结点
+    test_remove(avl_tree, 5)  # 删除度为 1 的结点
+    test_remove(avl_tree, 4)  # 删除度为 2 的结点
+
+    result_node = avl_tree.search(7)
+    print("\n查找到的结点对象为 {}，结点值 = {}".format(result_node, result_node.val))
diff --git a/codes/python/chapter_tree/binary_search_tree.py b/codes/python/chapter_tree/binary_search_tree.py
index 0f855f27..23e34185 100644
--- a/codes/python/chapter_tree/binary_search_tree.py
+++ b/codes/python/chapter_tree/binary_search_tree.py
@@ -1,10 +1,167 @@
 """
 File: binary_search_tree.py
-Created Time: 2022-11-25
-Author: Krahets (krahets@163.com)
+Created Time: 2022-12-20
+Author: a16su (lpluls001@gmail.com)
 """
 
 import sys, os.path as osp
+import typing
+
 sys.path.append(osp.dirname(osp.dirname(osp.abspath(__file__))))
 from include import *
 
+
+""" 二叉搜索树 """
+class BinarySearchTree:
+    def __init__(self, nums: typing.List[int]) -> None:
+        nums.sort()
+        self.__root = self.build_tree(nums, 0, len(nums) - 1)
+
+    """ 构建二叉搜索树 """
+    def build_tree(self, nums: typing.List[int], start_index: int, end_index: int) -> typing.Optional[TreeNode]:
+        if start_index > end_index:
+            return None
+
+        # 将数组中间结点作为根结点
+        mid = (start_index + end_index) // 2
+        root = TreeNode(nums[mid])
+        # 递归建立左子树和右子树
+        root.left = self.build_tree(nums=nums, start_index=start_index, end_index=mid - 1)
+        root.right = self.build_tree(nums=nums, start_index=mid + 1, end_index=end_index)
+        return root
+
+    @property
+    def root(self) -> typing.Optional[TreeNode]:
+        return self.__root
+
+    """ 查找结点 """
+    def search(self, num: int) -> typing.Optional[TreeNode]:
+        cur = self.root
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 目标结点在 root 的右子树中
+            if cur.val < num:
+                cur = cur.right
+            # 目标结点在 root 的左子树中
+            elif cur.val > num:
+                cur = cur.left
+            # 找到目标结点，跳出循环
+            else:
+                break
+        return cur
+
+    """ 插入结点 """
+    def insert(self, num: int) -> typing.Optional[TreeNode]:
+        root = self.root
+        # 若树为空，直接提前返回
+        if root is None:
+            return None
+
+        cur = root
+        pre = None
+
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 找到重复结点，直接返回
+            if cur.val == num:
+                return None
+            pre = cur
+
+            if cur.val < num:  # 插入位置在 root 的右子树中
+                cur = cur.right
+            else:  # 插入位置在 root 的左子树中
+                cur = cur.left
+
+        # 插入结点 val
+        node = TreeNode(num)
+        if pre.val < num:
+            pre.right = node
+        else:
+            pre.left = node
+        return node
+
+    """ 删除结点 """
+    def remove(self, num: int) -> typing.Optional[TreeNode]:
+        root = self.root
+        # 若树为空，直接提前返回
+        if root is None:
+            return None
+
+        cur = root
+        pre = None
+
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 找到待删除结点，跳出循环
+            if cur.val == num:
+                break
+            pre = cur
+            if cur.val < num:  # 待删除结点在 root 的右子树中
+                cur = cur.right
+            else:  # 待删除结点在 root 的左子树中
+                cur = cur.left
+
+        # 若无待删除结点，则直接返回
+        if cur is None:
+            return None
+
+        # 子结点数量 = 0 or 1
+        if cur.left is None or cur.right is None:
+            # 当子结点数量 = 0 / 1 时， child = null / 该子结点
+            child = cur.left or cur.right
+            # 删除结点 cur
+            if pre.left == cur:
+                pre.left = child
+            else:
+                pre.right = child
+        # 子结点数量 = 2
+        else:
+            # 获取中序遍历中 cur 的下一个结点
+            nex = self.min(cur.right)
+            tmp = nex.val
+            # 递归删除结点 nex
+            self.remove(nex.val)
+            # 将 nex 的值复制给 cur
+            cur.val = tmp
+        return cur
+
+    """ 获取最小结点 """
+    def min(self, root: typing.Optional[TreeNode]) -> typing.Optional[TreeNode]:
+        if root is None:
+            return root
+
+        # 循环访问左子结点，直到叶结点时为最小结点，跳出
+        while root.left is not None:
+            root = root.left
+        return root
+
+
+""" Driver Code """
+if __name__ == "__main__":
+    # 初始化二叉搜索树
+    nums = list(range(1, 16))
+    bst = BinarySearchTree(nums=nums)
+    print("\n初始化的二叉树为\n")
+    print_tree(bst.root)
+
+    # 查找结点
+    node = bst.search(5)
+    print("\n查找到的结点对象为: {}，结点值 = {}".format(node, node.val))
+
+    # 插入结点
+    ndoe = bst.insert(16)
+    print("\n插入结点 16 后，二叉树为\n")
+    print_tree(bst.root)
+
+    # 删除结点
+    bst.remove(1)
+    print("\n删除结点 1 后，二叉树为\n")
+    print_tree(bst.root)
+
+    bst.remove(2)
+    print("\n删除结点 2 后，二叉树为\n")
+    print_tree(bst.root)
+
+    bst.remove(4)
+    print("\n删除结点 4 后，二叉树为\n")
+    print_tree(bst.root)
diff --git a/codes/python/chapter_tree/binary_tree.py b/codes/python/chapter_tree/binary_tree.py
index 81828b5c..d9902635 100644
--- a/codes/python/chapter_tree/binary_tree.py
+++ b/codes/python/chapter_tree/binary_tree.py
@@ -1,10 +1,40 @@
 """
 File: binary_tree.py
-Created Time: 2022-11-25
-Author: Krahets (krahets@163.com)
+Created Time: 2022-12-20
+Author: a16su (lpluls001@gmail.com)
 """
 
 import sys, os.path as osp
+
 sys.path.append(osp.dirname(osp.dirname(osp.abspath(__file__))))
 from include import *
 
+
+""" Driver Code """
+if __name__ == "__main__":
+    """ 初始化二叉树 """
+    # 初始化节点
+    n1 = TreeNode(val=1)
+    n2 = TreeNode(val=2)
+    n3 = TreeNode(val=3)
+    n4 = TreeNode(val=4)
+    n5 = TreeNode(val=5)
+    # 构建引用指向（即指针）
+    n1.left = n2
+    n1.right = n3
+    n2.left = n4
+    n2.right = n5
+    print("\n初始化二叉树\n")
+    print_tree(n1)
+
+    """ 插入与删除结点 """
+    P = TreeNode(0)
+    # 在 n1 -> n2 中间插入节点 P
+    n1.left = P
+    P.left = n2
+    print("\n插入结点 P 后\n")
+    print_tree(n1)
+    # 删除结点
+    n1.left = n2
+    print("\n删除结点 P 后\n");
+    print_tree(n1)
diff --git a/codes/python/chapter_tree/binary_tree_bfs.py b/codes/python/chapter_tree/binary_tree_bfs.py
index 9ae1b359..0320a08d 100644
--- a/codes/python/chapter_tree/binary_tree_bfs.py
+++ b/codes/python/chapter_tree/binary_tree_bfs.py
@@ -1,10 +1,42 @@
 """
 File: binary_tree_bfs.py
-Created Time: 2022-11-25
-Author: Krahets (krahets@163.com)
+Created Time: 2022-12-20
+Author: a16su (lpluls001@gmail.com)
 """
 
 import sys, os.path as osp
+import typing
+
 sys.path.append(osp.dirname(osp.dirname(osp.abspath(__file__))))
 from include import *
 
+
+""" 层序遍历 """
+def hier_order(root: TreeNode):
+    # 初始化队列，加入根结点
+    queue = collections.deque()
+    queue.append(root)
+    # 初始化一个列表，用于保存遍历序列
+    res = []
+    while queue:
+        node = queue.popleft()       # 队列出队
+        res.append(node.val)         # 保存节点值
+        if node.left is not None:
+            queue.append(node.left)  # 左子结点入队
+        if node.right is not None:
+            queue.append(node.right) # 右子结点入队
+    return res
+
+
+""" Driver Code """
+if __name__ == "__main__":
+    # 初始化二叉树
+    # 这里借助了一个从数组直接生成二叉树的函数
+    root = list_to_tree(arr=[1, 2, 3, 4, 5, 6, 7, None, None, None, None, None, None, None, None])
+    print("\n初始化二叉树\n")
+    print_tree(root)
+
+    # 层序遍历
+    res = hier_order(root)
+    print("\n层序遍历的结点打印序列 = ", res)
+    assert res == [1, 2, 3, 4, 5, 6, 7]
diff --git a/codes/python/chapter_tree/binary_tree_dfs.py b/codes/python/chapter_tree/binary_tree_dfs.py
index 094bd4cb..11ee8339 100644
--- a/codes/python/chapter_tree/binary_tree_dfs.py
+++ b/codes/python/chapter_tree/binary_tree_dfs.py
@@ -1,10 +1,68 @@
 """
 File: binary_tree_dfs.py
-Created Time: 2022-11-25
-Author: Krahets (krahets@163.com)
+Created Time: 2022-12-20
+Author: a16su (lpluls001@gmail.com)
 """
 
 import sys, os.path as osp
+import typing
+
 sys.path.append(osp.dirname(osp.dirname(osp.abspath(__file__))))
 from include import *
 
+
+res = []
+
+""" 前序遍历 """
+def pre_order(root: typing.Optional[TreeNode]):
+    if root is None:
+        return
+    # 访问优先级：根结点 -> 左子树 -> 右子树
+    res.append(root.val)
+    pre_order(root=root.left)
+    pre_order(root=root.right)
+
+""" 中序遍历 """
+def in_order(root: typing.Optional[TreeNode]):
+    if root is None:
+        return
+    # 访问优先级：左子树 -> 根结点 -> 右子树
+    in_order(root=root.left)
+    res.append(root.val)
+    in_order(root=root.right)
+
+""" 后序遍历 """
+def post_order(root: typing.Optional[TreeNode]):
+    if root is None:
+        return
+    # 访问优先级：左子树 -> 右子树 -> 根结点
+    post_order(root=root.left)
+    post_order(root=root.right)
+    res.append(root.val)
+
+
+""" Driver Code """
+if __name__ == "__main__":
+    # 初始化二叉树
+    # 这里借助了一个从数组直接生成二叉树的函数
+    root = list_to_tree(arr=[1, 2, 3, 4, 5, 6, 7, None, None, None, None, None, None, None, None])
+    print("\n初始化二叉树\n")
+    print_tree(root)
+
+    # 前序遍历
+    res.clear()
+    pre_order(root)
+    print("\n前序遍历的结点打印序列 = ", res)
+    assert res == [1, 2, 4, 5, 3, 6, 7]
+
+    # 中序遍历
+    res.clear()
+    in_order(root)
+    print("\n中序遍历的结点打印序列 = ", res)
+    assert res == [4, 2, 5, 1, 6, 3, 7]
+
+    # 后序遍历
+    res.clear()
+    post_order(root)
+    print("\n后序遍历的结点打印序列 = ", res)
+    assert res == [4, 5, 2, 6, 7, 3, 1]
diff --git a/codes/python/include/binary_tree.py b/codes/python/include/binary_tree.py
index de2569e4..670fd18c 100644
--- a/codes/python/include/binary_tree.py
+++ b/codes/python/include/binary_tree.py
@@ -10,9 +10,19 @@ class TreeNode:
     """Definition for a binary tree node
     """    
     def __init__(self, val=0, left=None, right=None):
-        self.val = val
-        self.left = left
-        self.right = right
+        self.val = val      # 结点值
+        self.height = 0     # 结点高度
+        self.left = left    # 左子结点引用
+        self.right = right  # 右子结点引用
+
+    def __str__(self):
+        val = self.val
+        left_node_val = self.left.val if self.left else None
+        right_node_val = self.right.val if self.right else None
+        return "<TreeNode: {}, leftTreeNode: {}, rightTreeNode: {}>".format(val, left_node_val, right_node_val)
+
+    __repr__ = __str__
+
 
 def list_to_tree(arr):
     """Generate a binary tree with a list
diff --git a/codes/swift/chapter_computational_complexity/time_complexity.swift b/codes/swift/chapter_computational_complexity/time_complexity.swift
new file mode 100644
index 00000000..38bac4fa
--- /dev/null
+++ b/codes/swift/chapter_computational_complexity/time_complexity.swift
@@ -0,0 +1,170 @@
+/*
+ * File: time_complexity.swift
+ * Created Time: 2022-12-26
+ * Author: nuomi1 (nuomi1@qq.com)
+ */
+
+// 常数阶
+func constant(n: Int) -> Int {
+    var count = 0
+    let size = 100_000
+    for _ in 0 ..< size {
+        count += 1
+    }
+    return count
+}
+
+// 线性阶
+func linear(n: Int) -> Int {
+    var count = 0
+    for _ in 0 ..< n {
+        count += 1
+    }
+    return count
+}
+
+// 线性阶（遍历数组）
+func arrayTraversal(nums: [Int]) -> Int {
+    var count = 0
+    // 循环次数与数组长度成正比
+    for _ in nums {
+        count += 1
+    }
+    return count
+}
+
+// 平方阶
+func quadratic(n: Int) -> Int {
+    var count = 0
+    // 循环次数与数组长度成平方关系
+    for _ in 0 ..< n {
+        for _ in 0 ..< n {
+            count += 1
+        }
+    }
+    return count
+}
+
+// 平方阶（冒泡排序）
+func bubbleSort(nums: inout [Int]) -> Int {
+    var count = 0 // 计数器
+    // 外循环：待排序元素数量为 n-1, n-2, ..., 1
+    for i in sequence(first: nums.count - 1, next: { $0 > 0 ? $0 - 1 : nil }) {
+        // 内循环：冒泡操作
+        for j in 0 ..< i {
+            if nums[j] > nums[j + 1] {
+                // 交换 nums[j] 与 nums[j + 1]
+                let tmp = nums[j]
+                nums[j] = nums[j + 1]
+                nums[j + 1] = tmp
+                count += 3 // 元素交换包含 3 个单元操作
+            }
+        }
+    }
+    return count
+}
+
+// 指数阶（循环实现）
+func exponential(n: Int) -> Int {
+    var count = 0
+    var base = 1
+    // cell 每轮一分为二，形成数列 1, 2, 4, 8, ..., 2^(n-1)
+    for _ in 0 ..< n {
+        for _ in 0 ..< base {
+            count += 1
+        }
+        base *= 2
+    }
+    // count = 1 + 2 + 4 + 8 + .. + 2^(n-1) = 2^n - 1
+    return count
+}
+
+// 指数阶（递归实现）
+func expRecur(n: Int) -> Int {
+    if n == 1 {
+        return 1
+    }
+    return expRecur(n: n - 1) + expRecur(n: n - 1) + 1
+}
+
+// 对数阶（循环实现）
+func logarithmic(n: Int) -> Int {
+    var count = 0
+    var n = n
+    while n > 1 {
+        n = n / 2
+        count += 1
+    }
+    return count
+}
+
+// 对数阶（递归实现）
+func logRecur(n: Int) -> Int {
+    if n <= 1 {
+        return 0
+    }
+    return logRecur(n: n / 2) + 1
+}
+
+// 线性对数阶
+func linearLogRecur(n: Double) -> Int {
+    if n <= 1 {
+        return 1
+    }
+    var count = linearLogRecur(n: n / 2) + linearLogRecur(n: n / 2)
+    for _ in 0 ..< Int(n) {
+        count += 1
+    }
+    return count
+}
+
+// 阶乘阶（递归实现）
+func factorialRecur(n: Int) -> Int {
+    if n == 0 {
+        return 1
+    }
+    var count = 0
+    // 从 1 个分裂出 n 个
+    for _ in 0 ..< n {
+        count += factorialRecur(n: n - 1)
+    }
+    return count
+}
+
+func main() {
+    // 可以修改 n 运行，体会一下各种复杂度的操作数量变化趋势
+    let n = 8
+    print("输入数据大小 n =", n)
+
+    var count = constant(n: n)
+    print("常数阶的计算操作数量 =", count)
+
+    count = linear(n: n)
+    print("线性阶的计算操作数量 =", count)
+    count = arrayTraversal(nums: Array(repeating: 0, count: n))
+    print("线性阶（遍历数组）的计算操作数量 =", count)
+
+    count = quadratic(n: n)
+    print("平方阶的计算操作数量 =", count)
+    var nums = Array(sequence(first: n, next: { $0 > 0 ? $0 - 1 : nil })) // [n,n-1,...,2,1]
+    count = bubbleSort(nums: &nums)
+    print("平方阶（冒泡排序）的计算操作数量 =", count)
+
+    count = exponential(n: n)
+    print("指数阶（循环实现）的计算操作数量 =", count)
+    count = expRecur(n: n)
+    print("指数阶（递归实现）的计算操作数量 =", count)
+
+    count = logarithmic(n: n)
+    print("对数阶（循环实现）的计算操作数量 =", count)
+    count = logRecur(n: n)
+    print("对数阶（递归实现）的计算操作数量 =", count)
+
+    count = linearLogRecur(n: Double(n))
+    print("线性对数阶（递归实现）的计算操作数量 =", count)
+
+    count = factorialRecur(n: n)
+    print("阶乘阶（递归实现）的计算操作数量 =", count)
+}
+
+main()
diff --git a/codes/swift/chapter_computational_complexity/worst_best_time_complexity.swift b/codes/swift/chapter_computational_complexity/worst_best_time_complexity.swift
new file mode 100644
index 00000000..73db6954
--- /dev/null
+++ b/codes/swift/chapter_computational_complexity/worst_best_time_complexity.swift
@@ -0,0 +1,37 @@
+/*
+ * File: worst_best_time_complexity.swift
+ * Created Time: 2022-12-26
+ * Author: nuomi1 (nuomi1@qq.com)
+ */
+
+// 生成一个数组，元素为 { 1, 2, ..., n }，顺序被打乱
+func randomNumbers(n: Int) -> [Int] {
+    // 生成数组 nums = { 1, 2, 3, ..., n }
+    var nums = Array(1 ... n)
+    // 随机打乱数组元素
+    nums.shuffle()
+    return nums
+}
+
+// 查找数组 nums 中数字 1 所在索引
+func findOne(nums: [Int]) -> Int {
+    for i in nums.indices {
+        if nums[i] == 1 {
+            return i
+        }
+    }
+    return -1
+}
+
+// Driver Code
+func main() {
+    for _ in 0 ..< 10 {
+        let n = 100
+        let nums = randomNumbers(n: n)
+        let index = findOne(nums: nums)
+        print("数组 [ 1, 2, ..., n ] 被打乱后 =", nums)
+        print("数字 1 的索引为", index)
+    }
+}
+
+main()
diff --git a/codes/typescript/chapter_hashing/array_hash_map.ts b/codes/typescript/chapter_hashing/array_hash_map.ts
new file mode 100644
index 00000000..627205f7
--- /dev/null
+++ b/codes/typescript/chapter_hashing/array_hash_map.ts
@@ -0,0 +1,136 @@
+/*
+ * File: array_hash_map.ts
+ * Created Time: 2022-12-20
+ * Author: Daniel (better.sunjian@gmail.com)
+ */
+
+/* 键值对 Number -> String */
+class Entry {
+    public key: number;
+    public val: string;
+
+    constructor(key: number, val: string) {
+        this.key = key;
+        this.val = val;
+    }
+}
+
+/* 基于数组简易实现的哈希表 */
+class ArrayHashMap {
+
+    private readonly bucket: (Entry | null)[];
+
+    constructor() {
+        // 初始化一个长度为 100 的桶（数组）
+        this.bucket = (new Array(100)).fill(null);
+    }
+
+    /* 哈希函数 */
+    private hashFunc(key: number): number {
+        return key % 100;
+    }
+
+    /* 查询操作 */
+    public get(key: number): string | null {
+        let index = this.hashFunc(key);
+        let entry = this.bucket[index];
+        if (entry === null) return null;
+        return entry.val;
+    }
+
+    /* 添加操作 */
+    public set(key: number, val: string) {
+        let index = this.hashFunc(key);
+        this.bucket[index] = new Entry(key, val);
+    }
+
+    /* 删除操作 */
+    public delete(key: number) {
+        let index = this.hashFunc(key);
+        // 置为 null ，代表删除
+        this.bucket[index] = null;
+    }
+
+    /* 获取所有键值对 */
+    public entries(): (Entry | null)[] {
+        let arr: (Entry | null)[] = [];
+        for (let i = 0; i < this.bucket.length; i++) {
+            if (this.bucket[i]) {
+                arr.push(this.bucket[i]);
+            }
+        }
+        return arr;
+    }
+
+    /* 获取所有键 */
+    public keys(): (number | undefined)[] {
+        let arr: (number | undefined)[] = [];
+        for (let i = 0; i < this.bucket.length; i++) {
+            if (this.bucket[i]) {
+                arr.push(this.bucket[i]?.key);
+            }
+        }
+        return arr;
+    }
+
+    /* 获取所有值 */
+    public values(): (string | undefined)[] {
+        let arr: (string | undefined)[] = [];
+        for (let i = 0; i < this.bucket.length; i++) {
+            if (this.bucket[i]) {
+                arr.push(this.bucket[i]?.val);
+            }
+        }
+        return arr;
+    }
+
+    /* 打印哈希表 */
+    public print() {
+        let entrySet = this.entries();
+        for (const entry of entrySet) {
+            if (!entry) continue;
+            console.info(`${entry.key} -> ${entry.val}`);
+        }
+    }
+}
+
+/* Driver Code */
+/* 初始化哈希表 */
+const map = new ArrayHashMap();
+/* 添加操作 */
+// 在哈希表中添加键值对 (key, value)
+map.set(12836, '小哈');
+map.set(15937, '小啰');
+map.set(16750, '小算');
+map.set(13276, '小法');
+map.set(10583, '小鸭');
+console.info('\n添加完成后，哈希表为\nKey -> Value');
+map.print();
+
+/* 查询操作 */
+// 向哈希表输入键 key ，得到值 value
+let name = map.get(15937);
+console.info('\n输入学号 15937 ，查询到姓名 ' + name);
+
+/* 删除操作 */
+// 在哈希表中删除键值对 (key, value)
+map.delete(10583);
+console.info('\n删除 10583 后，哈希表为\nKey -> Value');
+map.print();
+
+/* 遍历哈希表 */
+console.info('\n遍历键值对 Key->Value');
+for (const entry of map.entries()) {
+    if (!entry) continue;
+    console.info(entry.key + ' -> ' + entry.val);
+}
+console.info('\n单独遍历键 Key');
+for (const key of map.keys()) {
+    console.info(key);
+}
+console.info('\n单独遍历值 Value');
+for (const val of map.values()) {
+    console.info(val);
+}
+
+export {};
diff --git a/codes/typescript/chapter_hashing/hash_map.ts b/codes/typescript/chapter_hashing/hash_map.ts
new file mode 100644
index 00000000..7e54cf5c
--- /dev/null
+++ b/codes/typescript/chapter_hashing/hash_map.ts
@@ -0,0 +1,44 @@
+/*
+ * File: hash_map.ts
+ * Created Time: 2022-12-20
+ * Author: Daniel (better.sunjian@gmail.com)
+ */
+
+/* Driver Code */
+/* 初始化哈希表 */
+const map = new Map<number, string>();
+
+/* 添加操作 */
+// 在哈希表中添加键值对 (key, value)
+map.set(12836, '小哈');
+map.set(15937, '小啰');
+map.set(16750, '小算');
+map.set(13276, '小法');
+map.set(10583, '小鸭');
+console.info('\n添加完成后，哈希表为\nKey -> Value');
+console.info(map);
+
+/* 查询操作 */
+// 向哈希表输入键 key ，得到值 value
+let name = map.get(15937);
+console.info('\n输入学号 15937 ，查询到姓名 ' + name);
+
+/* 删除操作 */
+// 在哈希表中删除键值对 (key, value)
+map.delete(10583);
+console.info('\n删除 10583 后，哈希表为\nKey -> Value');
+console.info(map);
+
+/* 遍历哈希表 */
+console.info('\n遍历键值对 Key->Value');
+for (const [k, v] of map.entries()) {
+    console.info(k + ' -> ' + v);
+}
+console.info('\n单独遍历键 Key');
+for (const k of map.keys()) {
+    console.info(k);
+}
+console.info('\n单独遍历值 Value');
+for (const v of map.values()) {
+    console.info(v);
+}
diff --git a/codes/typescript/chapter_searching/binary_search.ts b/codes/typescript/chapter_searching/binary_search.ts
new file mode 100644
index 00000000..2a03994b
--- /dev/null
+++ b/codes/typescript/chapter_searching/binary_search.ts
@@ -0,0 +1,54 @@
+/*
+* File: binary_search.ts
+* Created Time: 2022-12-27
+* Author: Daniel (better.sunjian@gmail.com)
+*/
+
+/* 二分查找（双闭区间） */
+const binarySearch = function (nums: number[], target: number): number {
+    // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
+    let i = 0, j = nums.length - 1;
+    // 循环，当搜索区间为空时跳出（当 i > j 时为空）
+    while (i <= j) {
+        const m = Math.floor(i + (j - i) / 2); // 计算中点索引 m
+        if (nums[m] < target) {        // 此情况说明 target 在区间 [m+1, j] 中
+            i = m + 1;
+        } else if (nums[m] > target) { // 此情况说明 target 在区间 [i, m-1] 中
+            j = m - 1;
+        } else {                       // 找到目标元素，返回其索引
+            return m;
+        }
+    }
+    return -1; // 未找到目标元素，返回 -1
+}
+
+/* 二分查找（左闭右开） */
+const binarySearch1 = function (nums: number[], target: number): number {
+    // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
+    let i = 0, j = nums.length;
+    // 循环，当搜索区间为空时跳出（当 i = j 时为空）
+    while (i < j) {
+        const m = Math.floor(i + (j - i) / 2); // 计算中点索引 m
+        if (nums[m] < target) {        // 此情况说明 target 在区间 [m+1, j] 中
+            i = m + 1;
+        } else if (nums[m] > target) { // 此情况说明 target 在区间 [i, m] 中
+            j = m;
+        } else {                       // 找到目标元素，返回其索引
+            return m;
+        }
+    }
+    return -1; // 未找到目标元素，返回 -1
+}
+
+
+/* Driver Code */
+const target = 6;
+const nums = [ 1, 3, 6, 8, 12, 15, 23, 67, 70, 92 ];
+
+/* 二分查找（双闭区间） */
+let index = binarySearch(nums, target);
+console.info('目标元素 6 的索引 = %d', index);
+
+/* 二分查找（左闭右开） */
+index = binarySearch1(nums, target);
+console.info('目标元素 6 的索引 = %d', index);
diff --git a/docs/chapter_computational_complexity/space_complexity.md b/docs/chapter_computational_complexity/space_complexity.md
index 50f2698f..df5d98f3 100644
--- a/docs/chapter_computational_complexity/space_complexity.md
+++ b/docs/chapter_computational_complexity/space_complexity.md
@@ -38,7 +38,7 @@ comments: true
         Node(int x) { val = x; }
     }
     
-    /* 函数（或称方法） */
+    /* 函数 */
     int function() {
         // do something...
         return 0;
@@ -63,7 +63,7 @@ comments: true
         Node(int x) : val(x), next(nullptr) {}
     };
 
-    /* 函数（或称方法） */
+    /* 函数 */
     int func() {
         // do something...
         return 0;
@@ -87,7 +87,7 @@ comments: true
             self.val = x      # 结点值
             self.next = None  # 指向下一结点的指针（引用）
 
-    """ 函数（或称方法） """
+    """ 函数 """
     def function():
         # do something...
         return 0
@@ -113,7 +113,7 @@ comments: true
         return &Node{val: val}
     }
     
-    /* 函数（或称方法）*/
+    /* 函数 */
     func function() int {
         // do something...
         return 0
@@ -157,7 +157,7 @@ comments: true
         Node(int x) { val = x; }
     }
 
-    /* 函数（或称方法） */
+    /* 函数 */
     int function()
     {
         // do something...
diff --git a/docs/chapter_computational_complexity/time_complexity.md b/docs/chapter_computational_complexity/time_complexity.md
index 8841a613..aafb0d89 100644
--- a/docs/chapter_computational_complexity/time_complexity.md
+++ b/docs/chapter_computational_complexity/time_complexity.md
@@ -111,6 +111,21 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title=""
+    // 在某运行平台下
+    func algorithm(_ n: Int) {
+        var a = 2 // 1 ns
+        a = a + 1 // 1 ns
+        a = a * 2 // 10 ns
+        // 循环 n 次
+        for _ in 0 ..< n { // 1 ns
+            print(0) // 5 ns
+        }
+    }
+    ```
+
 但实际上， **统计算法的运行时间既不合理也不现实。** 首先，我们不希望预估时间和运行平台绑定，毕竟算法需要跑在各式各样的平台之上。其次，我们很难获知每一种操作的运行时间，这为预估过程带来了极大的难度。
 
 ## 统计时间增长趋势
@@ -246,6 +261,29 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title=""
+    // 算法 A 时间复杂度：常数阶
+    func algorithmA(_ n: Int) {
+        print(0)
+    }
+
+    // 算法 B 时间复杂度：线性阶
+    func algorithmB(_ n: Int) {
+        for _ in 0 ..< n {
+            print(0)
+        }
+    }
+
+    // 算法 C 时间复杂度：常数阶
+    func algorithmC(_ n: Int) {
+        for _ in 0 ..< 1000000 {
+            print(0)
+        }
+    }
+    ```
+
 ![time_complexity_first_example](time_complexity.assets/time_complexity_first_example.png)
 
 <p align="center"> Fig. 算法 A, B, C 的时间增长趋势 </p>
@@ -352,6 +390,20 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title=""
+    func algorithm(n: Int) {
+        var a = 1 // +1
+        a = a + 1 // +1
+        a = a * 2 // +1
+        // 循环 n 次
+        for _ in 0 ..< n { // +1
+            print(0) // +1
+        }
+    }
+    ```
+
 $T(n)$ 是个一次函数，说明时间增长趋势是线性的，因此易得时间复杂度是线性阶。
 
 我们将线性阶的时间复杂度记为 $O(n)$ ，这个数学符号被称为「大 $O$ 记号 Big-$O$ Notation」，代表函数 $T(n)$ 的「渐近上界 asymptotic upper bound」。
@@ -516,6 +568,25 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title=""
+    func algorithm(n: Int) {
+        var a = 1 // +0（技巧 1）
+        a = a + n // +0（技巧 1）
+        // +n（技巧 2）
+        for _ in 0 ..< (5 * n + 1) {
+            print(0)
+        }
+        // +n*n（技巧 3）
+        for _ in 0 ..< (2 * n) {
+            for _ in 0 ..< (n + 1) {
+                print(0)
+            }
+        }
+    }
+    ```
+
 ### 2. 判断渐近上界
 
 **时间复杂度由多项式 $T(n)$ 中最高阶的项来决定**。这是因为在 $n$ 趋于无穷大时，最高阶的项将处于主导作用，其它项的影响都可以被忽略。
@@ -643,6 +714,20 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 常数阶
+    func constant(n: Int) -> Int {
+        var count = 0
+        let size = 100000
+        for _ in 0 ..< size {
+            count += 1
+        }
+        return count
+    }
+    ```
+
 ### 线性阶 $O(n)$
 
 线性阶的操作数量相对输入数据大小成线性级别增长。线性阶常出现于单层循环。
@@ -726,6 +811,19 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 线性阶
+    func linear(n: Int) -> Int {
+        var count = 0
+        for _ in 0 ..< n {
+            count += 1
+        }
+        return count
+    }
+    ```
+
 「遍历数组」和「遍历链表」等操作，时间复杂度都为 $O(n)$ ，其中 $n$ 为数组或链表的长度。
 
 !!! tip
@@ -820,6 +918,20 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 线性阶（遍历数组）
+    func arrayTraversal(nums: [Int]) -> Int {
+        var count = 0
+        // 循环次数与数组长度成正比
+        for _ in nums {
+            count += 1
+        }
+        return count
+    }
+    ```
+
 ### 平方阶 $O(n^2)$
 
 平方阶的操作数量相对输入数据大小成平方级别增长。平方阶常出现于嵌套循环，外层循环和内层循环都为 $O(n)$ ，总体为 $O(n^2)$ 。
@@ -922,6 +1034,22 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 平方阶
+    func quadratic(n: Int) -> Int {
+        var count = 0
+        // 循环次数与数组长度成平方关系
+        for _ in 0 ..< n {
+            for _ in 0 ..< n {
+                count += 1
+            }
+        }
+        return count
+    }
+    ```
+
 ![time_complexity_constant_linear_quadratic](time_complexity.assets/time_complexity_constant_linear_quadratic.png)
 
 <p align="center"> Fig. 常数阶、线性阶、平方阶的时间复杂度 </p>
@@ -1066,6 +1194,29 @@ $$
 
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 平方阶（冒泡排序）
+    func bubbleSort(nums: inout [Int]) -> Int {
+        var count = 0 // 计数器
+        // 外循环：待排序元素数量为 n-1, n-2, ..., 1
+        for i in sequence(first: nums.count - 1, next: { $0 > 0 ? $0 - 1 : nil }) {
+            // 内循环：冒泡操作
+            for j in 0 ..< i {
+                if nums[j] > nums[j + 1] {
+                    // 交换 nums[j] 与 nums[j + 1]
+                    let tmp = nums[j]
+                    nums[j] = nums[j + 1]
+                    nums[j + 1] = tmp
+                    count += 3 // 元素交换包含 3 个单元操作
+                }
+            }
+        }
+        return count
+    }
+    ```
+
 ### 指数阶 $O(2^n)$
 
 !!! note
@@ -1182,6 +1333,25 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 指数阶（循环实现）
+    func exponential(n: Int) -> Int {
+        var count = 0
+        var base = 1
+        // cell 每轮一分为二，形成数列 1, 2, 4, 8, ..., 2^(n-1)
+        for _ in 0 ..< n {
+            for _ in 0 ..< base {
+                count += 1
+            }
+            base *= 2
+        }
+        // count = 1 + 2 + 4 + 8 + .. + 2^(n-1) = 2^n - 1
+        return count
+    }
+    ```
+
 ![time_complexity_exponential](time_complexity.assets/time_complexity_exponential.png)
 
 <p align="center"> Fig. 指数阶的时间复杂度 </p>
@@ -1258,6 +1428,18 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 指数阶（递归实现）
+    func expRecur(n: Int) -> Int {
+        if n == 1 {
+            return 1
+        }
+        return expRecur(n: n - 1) + expRecur(n: n - 1) + 1
+    }
+    ```
+
 ### 对数阶 $O(\log n)$
 
 对数阶与指数阶正好相反，后者反映“每轮增加到两倍的情况”，而前者反映“每轮缩减到一半的情况”。对数阶仅次于常数阶，时间增长的很慢，是理想的时间复杂度。
@@ -1354,6 +1536,21 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 对数阶（循环实现）
+    func logarithmic(n: Int) -> Int {
+        var count = 0
+        var n = n
+        while n > 1 {
+            n = n / 2
+            count += 1
+        }
+        return count
+    }
+    ```
+
 ![time_complexity_logarithmic](time_complexity.assets/time_complexity_logarithmic.png)
 
 <p align="center"> Fig. 对数阶的时间复杂度 </p>
@@ -1430,6 +1627,18 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 对数阶（递归实现）
+    func logRecur(n: Int) -> Int {
+        if n <= 1 {
+            return 0
+        }
+        return logRecur(n: n / 2) + 1
+    }
+    ```
+
 ### 线性对数阶 $O(n \log n)$
 
 线性对数阶常出现于嵌套循环中，两层循环的时间复杂度分别为 $O(\log n)$ 和 $O(n)$ 。
@@ -1531,6 +1740,22 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 线性对数阶
+    func linearLogRecur(n: Double) -> Int {
+        if n <= 1 {
+            return 1
+        }
+        var count = linearLogRecur(n: n / 2) + linearLogRecur(n: n / 2)
+        for _ in 0 ..< Int(n) {
+            count += 1
+        }
+        return count
+    }
+    ```
+
 ![time_complexity_logarithmic_linear](time_complexity.assets/time_complexity_logarithmic_linear.png)
 
 <p align="center"> Fig. 线性对数阶的时间复杂度 </p>
@@ -1640,6 +1865,23 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title="time_complexity.swift"
+    // 阶乘阶（递归实现）
+    func factorialRecur(n: Int) -> Int {
+        if n == 0 {
+            return 1
+        }
+        var count = 0
+        // 从 1 个分裂出 n 个
+        for _ in 0 ..< n {
+            count += factorialRecur(n: n - 1)
+        }
+        return count
+    }
+    ```
+
 ![time_complexity_factorial](time_complexity.assets/time_complexity_factorial.png)
 
 <p align="center"> Fig. 阶乘阶的时间复杂度 </p>
@@ -1872,6 +2114,40 @@ $$
     }
     ```
 
+=== "Swift"
+
+    ```swift title=""
+    // 生成一个数组，元素为 { 1, 2, ..., n }，顺序被打乱
+    func randomNumbers(n: Int) -> [Int] {
+        // 生成数组 nums = { 1, 2, 3, ..., n }
+        var nums = Array(1 ... n)
+        // 随机打乱数组元素
+        nums.shuffle()
+        return nums
+    }
+
+    // 查找数组 nums 中数字 1 所在索引
+    func findOne(nums: [Int]) -> Int {
+        for i in nums.indices {
+            if nums[i] == 1 {
+                return i
+            }
+        }
+        return -1
+    }
+
+    // Driver Code
+    func main() {
+        for _ in 0 ..< 10 {
+            let n = 100
+            let nums = randomNumbers(n: n)
+            let index = findOne(nums: nums)
+            print("数组 [ 1, 2, ..., n ] 被打乱后 =", nums)
+            print("数字 1 的索引为", index)
+        }
+    }
+    ```
+
 !!! tip
 
     我们在实际应用中很少使用「最佳时间复杂度」，因为往往只有很小概率下才能达到，会带来一定的误导性。反之，「最差时间复杂度」最为实用，因为它给出了一个“效率安全值”，让我们可以放心地使用算法。
diff --git a/docs/chapter_data_structure/data_and_memory.md b/docs/chapter_data_structure/data_and_memory.md
index 78fcac85..3e1e2167 100644
--- a/docs/chapter_data_structure/data_and_memory.md
+++ b/docs/chapter_data_structure/data_and_memory.md
@@ -74,7 +74,11 @@ comments: true
 === "Go"
 
     ```go title=""
-
+    // 使用多种「基本数据类型」来初始化「数组」
+    var numbers = [5]int{}
+    var decimals = [5]float64{}
+    var characters = [5]byte{}
+    var booleans = [5]bool{}
     ```
 
 === "JavaScript"
diff --git a/docs/chapter_hashing/hash_map.md b/docs/chapter_hashing/hash_map.md
index b51a1da9..d8244d80 100644
--- a/docs/chapter_hashing/hash_map.md
+++ b/docs/chapter_hashing/hash_map.md
@@ -132,13 +132,50 @@ comments: true
 === "JavaScript"
 
     ```js title="hash_map.js"
+    /* 初始化哈希表 */
+    const map = new ArrayHashMap();
+    /* 添加操作 */
+    // 在哈希表中添加键值对 (key, value)
+    map.set(12836, '小哈');
+    map.set(15937, '小啰');
+    map.set(16750, '小算');
+    map.set(13276, '小法');
+    map.set(10583, '小鸭');
 
+    /* 查询操作 */
+    // 向哈希表输入键 key ，得到值 value
+    let name = map.get(15937);
+
+    /* 删除操作 */
+    // 在哈希表中删除键值对 (key, value)
+    map.delete(10583);
     ```
 
 === "TypeScript"
 
     ```typescript title="hash_map.ts"
+    /* 初始化哈希表 */
+    const map = new Map<number, string>();
+    /* 添加操作 */
+    // 在哈希表中添加键值对 (key, value)
+    map.set(12836, '小哈');
+    map.set(15937, '小啰');
+    map.set(16750, '小算');
+    map.set(13276, '小法');
+    map.set(10583, '小鸭');
+    console.info('\n添加完成后，哈希表为\nKey -> Value');
+    console.info(map);
 
+    /* 查询操作 */
+    // 向哈希表输入键 key ，得到值 value
+    let name = map.get(15937);
+    console.info('\n输入学号 15937 ，查询到姓名 ' + name);
+
+    /* 删除操作 */
+    // 在哈希表中删除键值对 (key, value)
+    map.delete(10583);
+    console.info('\n删除 10583 后，哈希表为\nKey -> Value');
+    console.info(map);
     ```
 
 === "C"
@@ -244,13 +281,38 @@ comments: true
 === "JavaScript"
 
     ```js title="hash_map.js"
-
+    /* 遍历哈希表 */
+    // 遍历键值对 key->value
+    for (const entry of map.entries()) {
+        if (!entry) continue;
+        console.info(entry.key + ' -> ' + entry.val);
+    }
+    // 单独遍历键 key
+    for (const key of map.keys()) {
+        console.info(key);
+    }
+    // 单独遍历值 value
+    for (const val of map.values()) {
+        console.info(val);
+    }
     ```
 
 === "TypeScript"
 
     ```typescript title="hash_map.ts"
-
+    /* 遍历哈希表 */
+    console.info('\n遍历键值对 Key->Value');
+    for (const [k, v] of map.entries()) {
+        console.info(k + ' -> ' + v);
+    }
+    console.info('\n单独遍历键 Key');
+    for (const k of map.keys()) {
+        console.info(k);
+    }
+    console.info('\n单独遍历值 Value');
+    for (const v of map.values()) {
+        console.info(v);
+    }
     ```
 
 === "C"
@@ -500,13 +562,133 @@ $$
 === "JavaScript"
 
     ```js title="array_hash_map.js"
+    /* 键值对 Number -> String */
+    class Entry {
+        constructor(key, val) {
+            this.key = key;
+            this.val = val;
+        }
+    }
 
+    /* 基于数组简易实现的哈希表 */
+    class ArrayHashMap {
+        #bucket;
+        constructor() {
+            // 初始化一个长度为 100 的桶（数组）
+            this.#bucket = new Array(100).fill(null);
+        }
+
+        /* 哈希函数 */
+        #hashFunc(key) {
+            return key % 100;
+        }
+
+        /* 查询操作 */
+        get(key) {
+            let index = this.#hashFunc(key);
+            let entry = this.#bucket[index];
+            if (entry === null) return null;
+            return entry.val;
+        }
+
+        /* 添加操作 */
+        set(key, val) {
+            let index = this.#hashFunc(key);
+            this.#bucket[index] = new Entry(key, val);
+        }
+
+        /* 删除操作 */
+        delete(key) {
+            let index = this.#hashFunc(key);
+            // 置为 null ，代表删除
+            this.#bucket[index] = null;
+        }
+    }
     ```
 
 === "TypeScript"
 
     ```typescript title="array_hash_map.ts"
-
+    /* 键值对 Number -> String */
+    class Entry {
+    public key: number;
+    public val: string;
+    
+        constructor(key: number, val: string) {
+            this.key = key;
+            this.val = val;
+        }
+    }
+    
+    /* 基于数组简易实现的哈希表 */
+    class ArrayHashMap {
+    
+        private readonly bucket: (Entry | null)[];
+    
+        constructor() {
+            // 初始化一个长度为 100 的桶（数组）
+            this.bucket = (new Array(100)).fill(null);
+        }
+    
+        /* 哈希函数 */
+        private hashFunc(key: number): number {
+            return key % 100;
+        }
+    
+        /* 查询操作 */
+        public get(key: number): string | null {
+            let index = this.hashFunc(key);
+            let entry = this.bucket[index];
+            if (entry === null) return null;
+            return entry.val;
+        }
+    
+        /* 添加操作 */
+        public set(key: number, val: string) {
+            let index = this.hashFunc(key);
+            this.bucket[index] = new Entry(key, val);
+        }
+    
+        /* 删除操作 */
+        public delete(key: number) {
+            let index = this.hashFunc(key);
+            // 置为 null ，代表删除
+            this.bucket[index] = null;
+        }
+    
+        /* 获取所有键值对 */
+        public entries(): (Entry | null)[] {
+            let arr: (Entry | null)[] = [];
+            for (let i = 0; i < this.bucket.length; i++) {
+                if (this.bucket[i]) {
+                    arr.push(this.bucket[i]);
+                }
+            }
+            return arr;
+        }
+    
+        /* 获取所有键 */
+        public keys(): (number | undefined)[] {
+            let arr: (number | undefined)[] = [];
+            for (let i = 0; i < this.bucket.length; i++) {
+                if (this.bucket[i]) {
+                    arr.push(this.bucket[i]?.key);
+                }
+            }
+            return arr;
+        }
+    
+        /* 获取所有值 */
+        public values(): (string | undefined)[] {
+            let arr: (string | undefined)[] = [];
+            for (let i = 0; i < this.bucket.length; i++) {
+                if (this.bucket[i]) {
+                    arr.push(this.bucket[i]?.val);
+                }
+            }
+            return arr;
+        }
+    }
     ```
 
 === "C"
diff --git a/docs/chapter_preface/installation.md b/docs/chapter_preface/installation.md
index b58457c7..c6c1b2ee 100644
--- a/docs/chapter_preface/installation.md
+++ b/docs/chapter_preface/installation.md
@@ -41,3 +41,8 @@ comments: true
 
 1. 下载并安装 [.Net 6.0](https://dotnet.microsoft.com/en-us/download) ；
 2. 在 VSCode 的插件市场中搜索 `c#` ，安装 c# 。
+
+## Swift 环境
+
+1. 下载并安装 [Swift](https://www.swift.org/download/)；
+2. 在 VSCode 的插件市场中搜索 `swift`，安装 [Swift for Visual Studio Code](https://marketplace.visualstudio.com/items?itemName=sswg.swift-lang)。
diff --git a/docs/chapter_searching/binary_search.md b/docs/chapter_searching/binary_search.md
index a74c07aa..35d6a321 100644
--- a/docs/chapter_searching/binary_search.md
+++ b/docs/chapter_searching/binary_search.md
@@ -116,17 +116,17 @@ $$
 === "Go"
 
     ```go title="binary_search.go"
-    /* 二分查找（左闭右开） */
-    func binarySearch1(nums []int, target int) int {
-        // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
-        i, j := 0, len(nums)
-        // 循环，当搜索区间为空时跳出（当 i = j 时为空）
-        for i < j {
+    /* 二分查找（双闭区间） */
+    func binarySearch(nums []int, target int) int {
+        // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
+        i, j := 0, len(nums)-1
+        // 循环，当搜索区间为空时跳出（当 i > j 时为空）
+        for i <= j {
             m := (i + j) / 2                // 计算中点索引 m
-            if nums[m] < target {           // 此情况说明 target 在区间 [m+1, j) 中
+            if nums[m] < target {           // 此情况说明 target 在区间 [m+1, j] 中
                 i = m + 1
-            } else if nums[m] > target {    // 此情况说明 target 在区间 [i, m) 中
-                j = m
+            } else if nums[m] > target {    // 此情况说明 target 在区间 [i, m-1] 中
+                j = m - 1
             } else {                        // 找到目标元素，返回其索引
                 return m
             }
@@ -161,7 +161,23 @@ $$
 === "TypeScript"
 
     ```typescript title="binary_search.ts"
-
+    /* 二分查找（双闭区间） */
+    const binarySearch = function (nums: number[], target: number): number {
+        // 初始化双闭区间 [0, n-1] ，即 i, j 分别指向数组首元素、尾元素
+        let i = 0, j = nums.length - 1;
+        // 循环，当搜索区间为空时跳出（当 i > j 时为空）
+        while (i <= j) {
+            const m = Math.floor(i + (j - i) / 2);  // 计算中点索引 m
+            if (nums[m] < target) {                 // 此情况说明 target 在区间 [m+1, j] 中
+                i = m + 1;
+            } else if (nums[m] > target) {          // 此情况说明 target 在区间 [i, m-1] 中
+                j = m - 1;
+            } else {                                // 找到目标元素，返回其索引
+                return m;
+            }
+        }
+        return -1; // 未找到目标元素，返回 -1
+    }
     ```
 
 === "C"
@@ -208,9 +224,9 @@ $$
         // 循环，当搜索区间为空时跳出（当 i = j 时为空）
         while (i < j) {
             int m = (i + j) / 2;       // 计算中点索引 m
-            if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j) 中
+            if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j] 中
                 i = m + 1;
-            else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
+            else if (nums[m] > target) // 此情况说明 target 在区间 [i, m] 中
                 j = m;
             else                       // 找到目标元素，返回其索引
                 return m;
@@ -230,9 +246,9 @@ $$
         // 循环，当搜索区间为空时跳出（当 i = j 时为空）
         while (i < j) {
             int m = (i + j) / 2;       // 计算中点索引 m
-            if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j) 中
+            if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j] 中
                 i = m + 1;
-            else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
+            else if (nums[m] > target) // 此情况说明 target 在区间 [i, m] 中
                 j = m;
             else                       // 找到目标元素，返回其索引
                 return m;
@@ -252,9 +268,9 @@ $$
         # 循环，当搜索区间为空时跳出（当 i = j 时为空）
         while i < j:
             m = (i + j) // 2        # 计算中点索引 m
-            if nums[m] < target:    # 此情况说明 target 在区间 [m+1, j) 中
+            if nums[m] < target:    # 此情况说明 target 在区间 [m+1, j] 中
                 i = m + 1
-            elif nums[m] > target:  # 此情况说明 target 在区间 [i, m) 中
+            elif nums[m] > target:  # 此情况说明 target 在区间 [i, m] 中
                 j = m
             else:                   # 找到目标元素，返回其索引
                 return m
@@ -271,9 +287,9 @@ $$
         // 循环，当搜索区间为空时跳出（当 i = j 时为空）
         for i < j {
             m := (i + j) / 2             // 计算中点索引 m
-            if nums[m] < target {        // 此情况说明 target 在区间 [m+1, j) 中
+            if nums[m] < target {        // 此情况说明 target 在区间 [m+1, j] 中
                 i = m + 1
-            } else if nums[m] > target { // 此情况说明 target 在区间 [i, m) 中
+            } else if nums[m] > target { // 此情况说明 target 在区间 [i, m] 中
                 j = m
             } else {                     // 找到目标元素，返回其索引
                 return m
@@ -294,9 +310,9 @@ $$
     // 循环，当搜索区间为空时跳出（当 i = j 时为空）
     while (i < j) {
         let m = parseInt((i + j) / 2); // 计算中点索引 m ，在 JS 中需使用 parseInt 函数取整
-        if (nums[m] < target)          // 此情况说明 target 在区间 [m+1, j) 中
+        if (nums[m] < target)          // 此情况说明 target 在区间 [m+1, j] 中
             i = m + 1;
-        else if (nums[m] > target)     // 此情况说明 target 在区间 [i, m) 中
+        else if (nums[m] > target)     // 此情况说明 target 在区间 [i, m] 中
             j = m;
         else                           // 找到目标元素，返回其索引
             return m;
@@ -309,7 +325,23 @@ $$
 === "TypeScript"
 
     ```typescript title="binary_search.ts"
-
+    /* 二分查找（左闭右开） */
+    const binarySearch1 = function (nums: number[], target: number): number {
+        // 初始化左闭右开 [0, n) ，即 i, j 分别指向数组首元素、尾元素+1
+        let i = 0, j = nums.length;
+        // 循环，当搜索区间为空时跳出（当 i = j 时为空）
+        while (i < j) {
+            const m = Math.floor(i + (j - i) / 2);  // 计算中点索引 m
+            if (nums[m] < target) {                 // 此情况说明 target 在区间 [m+1, j] 中
+                i = m + 1;
+            } else if (nums[m] > target) {          // 此情况说明 target 在区间 [i, m] 中
+                j = m;
+            } else {                                // 找到目标元素，返回其索引
+                return m;
+            }
+        }
+        return -1; // 未找到目标元素，返回 -1
+    }
     ```
 
 === "C"
@@ -330,9 +362,9 @@ $$
         while (i < j)
         {
             int m = (i + j) / 2;       // 计算中点索引 m
-            if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j) 中
+            if (nums[m] < target)      // 此情况说明 target 在区间 [m+1, j] 中
                 i = m + 1;
-            else if (nums[m] > target) // 此情况说明 target 在区间 [i, m) 中
+            else if (nums[m] > target) // 此情况说明 target 在区间 [i, m] 中
                 j = m;
             else                       // 找到目标元素，返回其索引
                 return m;
@@ -407,7 +439,10 @@ $$
 === "TypeScript"
 
     ```typescript title=""
-
+    // (i + j) 有可能超出 Number 的取值范围
+    let m = Math.floor((i + j) / 2);
+    // 更换为此写法则不会越界
+    let m = Math.floor(i + (j - i) / 2);
     ```
 
 === "C"
diff --git a/docs/chapter_sorting/bubble_sort.md b/docs/chapter_sorting/bubble_sort.md
index f71dce77..336f3c2d 100644
--- a/docs/chapter_sorting/bubble_sort.md
+++ b/docs/chapter_sorting/bubble_sort.md
@@ -85,7 +85,8 @@ comments: true
             for (int j = 0; j < i; j++) {
                 if (nums[j] > nums[j + 1]) {
                     // 交换 nums[j] 与 nums[j + 1]
-                    std::swap(nums[j], nums[j+1]);
+                    // 这里使用了 std::swap() 函数
+                    swap(nums[j], nums[j + 1]);
                 }
             }
         }
@@ -265,7 +266,8 @@ comments: true
             for (int j = 0; j < i; j++) {
                 if (nums[j] > nums[j + 1]) {
                     // 交换 nums[j] 与 nums[j + 1]
-                    std::swap(nums[j], nums[j+1]);
+                    // 这里使用了 std::swap() 函数
+                    swap(nums[j], nums[j + 1]);
                     flag = true;  // 记录交换元素
                 }
             }
diff --git a/docs/chapter_tree/avl_tree.md b/docs/chapter_tree/avl_tree.md
index 2b1ad08f..e9a656be 100644
--- a/docs/chapter_tree/avl_tree.md
+++ b/docs/chapter_tree/avl_tree.md
@@ -48,7 +48,13 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ AVL 树结点类 """
+    class TreeNode:
+        def __init__(self, val=None, left=None, right=None):
+            self.val = val      # 结点值
+            self.height = 0     # 结点高度
+            self.left = left    # 左子结点引用
+            self.right = right  # 右子结点引用
     ```
 
 === "Go"
@@ -115,7 +121,17 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 获取结点高度 """
+    def height(self, node: typing.Optional[TreeNode]) -> int:
+        # 空结点高度为 -1 ，叶结点高度为 0
+        if node is not None:
+            return node.height
+        return -1
+
+    """ 更新结点高度 """
+    def __update_height(self, node: TreeNode):
+        # 结点高度等于最高子树高度 + 1
+        node.height = max([self.height(node.left), self.height(node.right)]) + 1
     ```
 
 === "Go"
@@ -185,7 +201,13 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 获取平衡因子 """
+    def balance_factor(self, node: TreeNode) -> int:
+        # 空结点平衡因子为 0
+        if node is None:
+            return 0
+        # 结点平衡因子 = 左子树高度 - 右子树高度
+        return self.height(node.left) - self.height(node.right)
     ```
 
 === "Go"
@@ -281,7 +303,18 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 右旋操作 """
+    def __right_rotate(self, node: TreeNode) -> TreeNode:
+        child = node.left
+        grand_child = child.right
+        # 以 child 为原点，将 node 向右旋转
+        child.right = node
+        node.left = grand_child
+        # 更新结点高度
+        self.__update_height(node)
+        self.__update_height(child)
+        # 返回旋转后子树的根节点
+        return child
     ```
 
 === "Go"
@@ -363,7 +396,18 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 左旋操作 """
+    def __left_rotate(self, node: TreeNode) -> TreeNode:
+        child = node.right
+        grand_child = child.left
+        # 以 child 为原点，将 node 向左旋转
+        child.left = node
+        node.right = grand_child
+        # 更新结点高度
+        self.__update_height(node)
+        self.__update_height(child)
+        # 返回旋转后子树的根节点
+        return child
     ```
 
 === "Go"
@@ -485,7 +529,30 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 执行旋转操作，使该子树重新恢复平衡 """
+    def __rotate(self, node: TreeNode) -> TreeNode:
+        # 获取结点 node 的平衡因子
+        balance_factor = self.balance_factor(node)
+        # 左偏树
+        if balance_factor > 1:
+            if self.balance_factor(node.left) >= 0:
+                # 右旋
+                return self.__right_rotate(node)
+            else:
+                # 先左旋后右旋
+                node.left = self.__left_rotate(node.left)
+                return self.__right_rotate(node)
+        # 右偏树
+        elif balance_factor < -1:
+            if self.balance_factor(node.right) <= 0:
+                # 左旋
+                return self.__left_rotate(node)
+            else:
+                # 先右旋后左旋
+                node.right = self.__right_rotate(node.right)
+                return self.__left_rotate(node)
+        # 平衡树，无需旋转，直接返回
+        return node
     ```
 
 === "Go"
@@ -597,7 +664,27 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 插入结点 """
+    def insert(self, val) -> TreeNode:
+        self.root = self.__insert_helper(self.root, val)
+        return self.root
+
+    """ 递归插入结点（辅助函数）"""
+    def __insert_helper(self, node: typing.Optional[TreeNode], val: int) -> TreeNode:
+        if node is None:
+            return TreeNode(val)
+        # 1. 查找插入位置，并插入结点
+        if val < node.val:
+            node.left = self.__insert_helper(node.left, val)
+        elif val > node.val:
+            node.right = self.__insert_helper(node.right, val)
+        else:
+            # 重复结点不插入，直接返回
+            return node
+        # 更新结点高度
+        self.__update_height(node)
+        # 2. 执行旋转操作，使该子树重新恢复平衡
+        return self.__rotate(node)
     ```
 
 === "Go"
@@ -717,7 +804,46 @@ AVL 树的独特之处在于「旋转 Rotation」的操作，其可 **在不影
 === "Python"
 
     ```python title="avl_tree.py"
-    
+    """ 删除结点 """
+    def remove(self, val: int):
+        root = self.__remove_helper(self.root, val)
+        return root
+
+    """ 递归删除结点（辅助函数） """
+    def __remove_helper(self, node: typing.Optional[TreeNode], val: int) -> typing.Optional[TreeNode]:
+        if node is None:
+            return None
+        # 1. 查找结点，并删除之
+        if val < node.val:
+            node.left = self.__remove_helper(node.left, val)
+        elif val > node.val:
+            node.right = self.__remove_helper(node.right, val)
+        else:
+            if node.left is None or node.right is None:
+                child = node.left or node.right
+                # 子结点数量 = 0 ，直接删除 node 并返回
+                if child is None:
+                    return None
+                # 子结点数量 = 1 ，直接删除 node
+                else:
+                    node = child
+            else:  # 子结点数量 = 2 ，则将中序遍历的下个结点删除，并用该结点替换当前结点
+                temp = self.min_node(node.right)
+                node.right = self.__remove_helper(node.right, temp.val)
+                node.val = temp.val
+        # 更新结点高度
+        self.__update_height(node)
+        # 2. 执行旋转操作，使该子树重新恢复平衡
+        return self.__rotate(node)
+
+    """ 获取最小结点 """
+    def min_node(self, node: typing.Optional[TreeNode]) -> typing.Optional[TreeNode]:
+        if node is None:
+            return None
+        # 循环访问左子结点，直到叶结点时为最小结点，跳出
+        while node.left is not None:
+            node = node.left
+        return node
     ```
 
 === "Go"
diff --git a/docs/chapter_tree/binary_search_tree.md b/docs/chapter_tree/binary_search_tree.md
index c2551e74..629c051f 100644
--- a/docs/chapter_tree/binary_search_tree.md
+++ b/docs/chapter_tree/binary_search_tree.md
@@ -17,9 +17,9 @@ comments: true
 
 给定目标结点值 `num` ，可以根据二叉搜索树的性质来查找。我们声明一个结点 `cur` ，从二叉树的根结点 `root` 出发，循环比较结点值 `cur.val` 和 `num` 之间的大小关系
 
-- 若 `cur.val < val` ，说明目标结点在 `cur` 的右子树中，因此执行 `cur = cur.right` ；
-- 若 `cur.val > val` ，说明目标结点在 `cur` 的左子树中，因此执行 `cur = cur.left` ；
-- 若 `cur.val = val` ，说明找到目标结点，跳出循环并返回该结点即可；
+- 若 `cur.val < num` ，说明目标结点在 `cur` 的右子树中，因此执行 `cur = cur.right` ；
+- 若 `cur.val > num` ，说明目标结点在 `cur` 的左子树中，因此执行 `cur = cur.left` ；
+- 若 `cur.val = num` ，说明找到目标结点，跳出循环并返回该结点即可；
 
 === "Step 1"
 
@@ -82,7 +82,21 @@ comments: true
 === "Python"
 
     ```python title="binary_search_tree.py"
-
+    """ 查找结点 """
+    def search(self, num: int) -> typing.Optional[TreeNode]:
+        cur = self.root
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 目标结点在 root 的右子树中
+            if cur.val < num:
+                cur = cur.right
+            # 目标结点在 root 的左子树中
+            elif cur.val > num:
+                cur = cur.left
+            # 找到目标结点，跳出循环
+            else:
+                break
+        return cur
     ```
 
 === "Go"
@@ -244,7 +258,35 @@ comments: true
 === "Python"
 
     ```python title="binary_search_tree.py"
+    """ 插入结点 """
+    def insert(self, num: int) -> typing.Optional[TreeNode]:
+        root = self.root
+        # 若树为空，直接提前返回
+        if root is None:
+            return None
 
+        cur = root
+        pre = None
+
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 找到重复结点，直接返回
+            if cur.val == num:
+                return None
+            pre = cur
+
+            if cur.val < num:  # 插入位置在 root 的右子树中
+                cur = cur.right
+            else:  # 插入位置在 root 的左子树中
+                cur = cur.left
+
+        # 插入结点 val
+        node = TreeNode(num)
+        if pre.val < num:
+            pre.right = node
+        else:
+            pre.left = node
+        return node
     ```
 
 === "Go"
@@ -525,7 +567,60 @@ comments: true
 === "Python"
 
     ```python title="binary_search_tree.py"
+    """ 删除结点 """
+    def remove(self, num: int) -> typing.Optional[TreeNode]:
+        root = self.root
+        # 若树为空，直接提前返回
+        if root is None:
+            return None
 
+        cur = root
+        pre = None
+
+        # 循环查找，越过叶结点后跳出
+        while cur is not None:
+            # 找到待删除结点，跳出循环
+            if cur.val == num:
+                break
+            pre = cur
+            if cur.val < num:  # 待删除结点在 root 的右子树中
+                cur = cur.right
+            else:  # 待删除结点在 root 的左子树中
+                cur = cur.left
+
+        # 若无待删除结点，则直接返回
+        if cur is None:
+            return None
+
+        # 子结点数量 = 0 or 1
+        if cur.left is None or cur.right is None:
+            # 当子结点数量 = 0 / 1 时， child = null / 该子结点
+            child = cur.left or cur.right
+            # 删除结点 cur
+            if pre.left == cur:
+                pre.left = child
+            else:
+                pre.right = child
+        # 子结点数量 = 2
+        else:
+            # 获取中序遍历中 cur 的下一个结点
+            nex = self.min(cur.right)
+            tmp = nex.val
+            # 递归删除结点 nex
+            self.remove(nex.val)
+            # 将 nex 的值复制给 cur
+            cur.val = tmp
+        return cur
+
+    """ 获取最小结点 """
+    def min(self, root: typing.Optional[TreeNode]) -> typing.Optional[TreeNode]:
+        if root is None:
+            return root
+
+        # 循环访问左子结点，直到叶结点时为最小结点，跳出
+        while root.left is not None:
+            root = root.left
+        return root
     ```
 
 === "Go"
@@ -761,14 +856,14 @@ comments: true
 
 - **查找元素：** 由于数组是无序的，因此需要遍历数组来确定，使用 $O(n)$ 时间；
 - **插入元素：** 只需将元素添加至数组尾部即可，使用 $O(1)$ 时间；
-- **删除元素：** 先查找元素，使用 $O(\log n)$ 时间，再在数组中删除该元素，使用 $O(n)$ 时间；
+- **删除元素：** 先查找元素，使用 $O(n)$ 时间，再在数组中删除该元素，使用 $O(n)$ 时间；
 - **获取最小 / 最大元素：** 需要遍历数组来确定，使用 $O(n)$ 时间；
 
 为了得到先验信息，我们也可以预先将数组元素进行排序，得到一个「排序数组」，此时操作效率为：
 
-- **查找元素：** 由于数组已排序，可以使用二分查找，使用 $O(\log n)$ 时间；
-- **插入元素：** 为了保持数组是有序的，需插入到数组某位置，平均使用 $O(n)$ 时间；
-- **删除元素：** 与无序数组中的情况相同，使用 $O(n)$ 时间；
+- **查找元素：** 由于数组已排序，可以使用二分查找，平均使用 $O(\log n)$ 时间；
+- **插入元素：** 先查找插入位置，使用 $O(\log n)$ 时间，再插入到指定位置，使用 $O(n)$ 时间；
+- **删除元素：** 先查找元素，使用 $O(\log n)$ 时间，再在数组中删除该元素，使用 $O(n)$ 时间；
 - **获取最小 / 最大元素：** 数组头部和尾部元素即是最小和最大元素，使用 $O(1)$ 时间；
 
 观察发现，无序数组和有序数组中的各项操作的时间复杂度是“偏科”的，即有的快有的慢；**而二叉搜索树的各项操作的时间复杂度都是对数阶，在数据量 $n$ 很大时有巨大优势**。
diff --git a/docs/chapter_tree/binary_tree.md b/docs/chapter_tree/binary_tree.md
index 9fc81812..0c858fd3 100644
--- a/docs/chapter_tree/binary_tree.md
+++ b/docs/chapter_tree/binary_tree.md
@@ -35,7 +35,7 @@ comments: true
     ```python title=""
     """ 链表结点类 """
     class TreeNode:
-        def __init__(self, val=0, left=None, right=None):
+        def __init__(self, val=None, left=None, right=None):
             self.val = val      # 结点值
             self.left = left    # 左子结点指针
             self.right = right  # 右子结点指针
@@ -44,13 +44,13 @@ comments: true
 === "Go"
 
     ```go title=""
-    """ 链表结点类 """
+    /* 链表结点类 */
     type TreeNode struct {
         Val   int
         Left  *TreeNode
         Right *TreeNode
     }
-    """ 结点初始化方法 """
+    /* 结点初始化方法 */
     func NewTreeNode(v int) *TreeNode {
         return &TreeNode{
             Left:  nil,
@@ -121,7 +121,7 @@ comments: true
 - 「根结点 Root Node」：二叉树最顶层的结点，其没有父结点；
 - 「叶结点 Leaf Node」：没有子结点的结点，其两个指针都指向 $\text{null}$ ；
 - 结点所处「层 Level」：从顶置底依次增加，根结点所处层为 1 ；
-- 结点「度 Degree」：结点的子结点数量，二叉树中度的范围是 0, 1, 2 ；
+- 结点「度 Degree」：结点的子结点数量。二叉树中，度的范围是 0, 1, 2 ；
 - 「边 Edge」：连接两个结点的边，即结点指针；
 - 二叉树「高度」：二叉树中根结点到最远叶结点走过边的数量；
 - 结点「深度 Depth」 ：根结点到该结点走过边的数量；
@@ -175,7 +175,18 @@ comments: true
 === "Python"
 
     ```python title="binary_tree.py"
-    
+    """ 初始化二叉树 """
+    # 初始化节点
+    n1 = TreeNode(val=1)
+    n2 = TreeNode(val=2)
+    n3 = TreeNode(val=3)
+    n4 = TreeNode(val=4)
+    n5 = TreeNode(val=5)
+    # 构建引用指向（即指针）
+    n1.left = n2
+    n1.right = n3
+    n2.left = n4
+    n2.right = n5
     ```
 
 === "Go"
@@ -284,7 +295,13 @@ comments: true
 === "Python"
 
     ```python title="binary_tree.py"
-    
+    """ 插入与删除结点 """
+    p = TreeNode(0)
+    # 在 n1 -> n2 中间插入结点 P
+    n1.left = p
+    p.left = n2
+    # 删除节点 P
+    n1.left = n2
     ```
 
 === "Go"
@@ -437,7 +454,7 @@ comments: true
 === "Python"
 
     ```python title=""
-    “”“ 二叉树的数组表示 ”“”
+    """ 二叉树的数组表示 """
     # 直接使用 None 来表示空位
     tree = [1, 2, 3, 4, None, 6, 7, 8, 9, None, None, 12, None, None, 15]
     ```
@@ -453,7 +470,7 @@ comments: true
     ```js title=""
     /* 二叉树的数组表示 */
     // 直接使用 null 来表示空位
-    let tree = [1, 2, 3, 4, 5, 6, 7, null, null, null, null, null, null, null, null]
+    let tree = [1, 2, 3, 4, null, 6, 7, 8, 9, null, null, 12, null, null, 15];
     ```
 
 === "TypeScript"
@@ -461,7 +478,7 @@ comments: true
     ```typescript title=""
     /* 二叉树的数组表示 */
     // 直接使用 null 来表示空位
-    let tree = [1, 2, 3, 4, 5, 6, 7, null, null, null, null, null, null, null, null]
+    let tree: (number | null)[] = [1, 2, 3, 4, null, 6, 7, 8, 9, null, null, 12, null, null, 15];
     ```
 
 === "C"
diff --git a/docs/chapter_tree/binary_tree_traversal.md b/docs/chapter_tree/binary_tree_traversal.md
index 971d24cc..f4634841 100644
--- a/docs/chapter_tree/binary_tree_traversal.md
+++ b/docs/chapter_tree/binary_tree_traversal.md
@@ -51,12 +51,12 @@ comments: true
         vector<int> vec;
         while (!queue.empty()) {
             TreeNode* node = queue.front();
-            queue.pop();  // 队列出队
-            vec.push_back(node->val);            // 保存结点
+            queue.pop();                 // 队列出队
+            vec.push_back(node->val);    // 保存结点
             if (node->left != nullptr)
-                queue.push(node->left);    // 左子结点入队
+                queue.push(node->left);  // 左子结点入队
             if (node->right != nullptr)
-                queue.push(node->right);   // 右子结点入队
+                queue.push(node->right); // 右子结点入队
         }
         return vec;
     }
@@ -65,7 +65,21 @@ comments: true
 === "Python"
 
     ```python title="binary_tree_bfs.py"
-    
+    """ 层序遍历 """
+    def hier_order(root: TreeNode):
+        # 初始化队列，加入根结点
+        queue = collections.deque()
+        queue.append(root)
+        # 初始化一个列表，用于保存遍历序列
+        res = []
+        while queue:
+            node = queue.popleft()       # 队列出队
+            res.append(node.val)         # 保存节点值
+            if node.left is not None:
+                queue.append(node.left)  # 左子结点入队
+            if node.right is not None:
+                queue.append(node.right) # 右子结点入队
+        return res
     ```
 
 === "Go"
@@ -256,7 +270,32 @@ comments: true
 === "Python"
 
     ```python title="binary_tree_dfs.py"
-    
+    """ 前序遍历 """
+    def pre_order(root: typing.Optional[TreeNode]):
+        if root is None:
+            return
+        # 访问优先级：根结点 -> 左子树 -> 右子树
+        res.append(root.val)
+        pre_order(root=root.left)
+        pre_order(root=root.right)
+
+    """ 中序遍历 """
+    def in_order(root: typing.Optional[TreeNode]):
+        if root is None:
+            return
+        # 访问优先级：左子树 -> 根结点 -> 右子树
+        in_order(root=root.left)
+        res.append(root.val)
+        in_order(root=root.right)
+
+    """ 后序遍历 """
+    def post_order(root: typing.Optional[TreeNode]):
+        if root is None:
+            return
+        # 访问优先级：左子树 -> 右子树 -> 根结点
+        post_order(root=root.left)
+        post_order(root=root.right)
+        res.append(root.val)
     ```
 
 === "Go"
@@ -402,7 +441,6 @@ comments: true
         postOrder(root.right);
         list.Add(root.val);
     }
-    
     ```
 
 !!! note
diff --git a/docs/chapter_tree/summary.md b/docs/chapter_tree/summary.md
index 7edfbad7..a46a253f 100644
--- a/docs/chapter_tree/summary.md
+++ b/docs/chapter_tree/summary.md
@@ -15,4 +15,4 @@ comments: true
 - 前序、中序、后序遍历是深度优先搜索，体现着“走到头、再回头继续”的回溯遍历方式，通常使用递归实现。
 - 二叉搜索树是一种高效的元素查找数据结构，查找、插入、删除操作的时间复杂度皆为 $O(\log n)$ 。二叉搜索树退化为链表后，各项时间复杂度劣化至 $O(n)$ ，因此如何避免退化是非常重要的课题。
 - AVL 树又称平衡二叉搜索树，其通过旋转操作，使得在不断插入与删除结点后，仍然可以保持二叉树的平衡（不退化）。
-- AVL 树的旋转操作分为右旋、左旋、先右旋后左旋、先左旋后右旋。在插入或删除结点后，AVL 树会从底置顶地执行旋转操作，使树恢复平衡。
\ No newline at end of file
+- AVL 树的旋转操作分为右旋、左旋、先右旋后左旋、先左旋后右旋。在插入或删除结点后，AVL 树会从底置顶地执行旋转操作，使树恢复平衡。