1. 理论基础
1.1 定义
二叉树(Binary Tree)是每个节点最多有两个子节点的树结构。每个节点包含三个基本部分:一个数据元素(称为“键值”)、指向左子节点的指针和指向右子节点的指针。如果某个子节点不存在,相应的指针为空。
Definition for a binary tree node.
class TreeNode:
def __init__(self, val=0, left=None, right=None):
self.val = val
self.left = left
self.right = right
二叉树有以下重要概念:
1. 根节点(Root Node):指没有父节点的节点
2. 叶子结点(Leaf Node):指没有子节点的节点
3. 深度(Depth):从根节点到最远叶子节点的路径上的节点数
1.2 完全二叉树
除最后一层外,其他每一层都被完全填满,并且最后一层的所有节点都集中在左侧。
1.3 满二叉树
每一层都被完全填满。(满二叉树一定是完全二叉树)
1.4 二叉搜索树
节点的左子树只包含小于当前节点的数。
节点的右子树只包含大于当前节点的数。
左右子树也必须分别为二叉搜索树。
1.5 平衡二叉搜索树
它在二叉搜索树的基础上增加了一条额外的条件:树保持平衡,意味着树上任意一个节点的两个子树的高度差不会超过1 。
2. 二叉树的遍历
二叉树的遍历分为两种:
1. 深度优先遍历
2. 广度优先遍历
深度优先遍历着重于尽可能深地访问树的分支,直到达到叶子节点,然后回溯到之前的节点,访问其他的分支。深度优先遍历又可以细分为以下三种方式:
前序遍历(Pre-order Traversal):访问根节点,遍历左子树,遍历右子树。
中序遍历(In-order Traversal):遍历左子树,访问根节点,遍历右子树。
后序遍历(Post-order Traversal):遍历左子树,遍历右子树,问根节点。
我们可以使用递归和迭代实现深度优先遍历。
广度优先遍历则是层级地访问树的节点,从根节点开始,一层一层向下,每层从左到右访问所有节点。这种遍历方式通常使用队列来实现:
层序遍历(Level-order Traversal):从根节点开始,首先访问第一层(根节点),然后是第二层的节点,以此类推,直到访问到最底层的节点。
3. 深度优先遍历的递归和迭代
class Solution:
def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 前序遍历:递归
# 中左右
# 递归终止条件:节点为空
if not root:
return []
left = self.preorderTraversal(root.left)
right = self.preorderTraversal(root.right)
# 访问根节点,遍历左子树,遍历右子树
return [root.val] + left + right
class Solution:
def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 前序遍历:迭代
# 中左右
if not root:
return []
stack, result = [root], []
while stack:
node = stack.pop()
if node:
result.append(node.val)
stack.append(node.right) # 先右后左,保证左子树先处理
stack.append(node.left)
return result
class Solution:
def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 中序遍历:递归
# 左中右
if not root:
return []
left = self.inorderTraversal(root.left)
right = self.inorderTraversal(root.right)
return left + [root.val] + right
class Solution:
def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 中序遍历:迭代
# 左中右
if not root:
return []
stack, result = [], []
# 首先遍历根节点,但由于中序需要首先处理左子树
# 不能先将根节点入栈
current = root
while current or stack:
while current:
stack.append(current)
current = current.left
# 访问节点
current = stack.pop()
result.append(current.val)
current = current.right
return result
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 后序遍历:递归
# 左右中
if not root:
return []
left = self.postorderTraversal(root.left)
right = self.postorderTraversal(root.right)
return left + right + [root.val]
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 后序遍历:迭代
# 只需对前序迭代的代码稍作修改
# 前序遍历:中左右
# 交换左右顺序:中右左
# 反转数组:左右中
if not root:
return []
stack, result = [root], []
while stack:
node = stack.pop()
if node:
result.append(node.val)
stack.append(node.left)
stack.append(node.right)
return result[::-1]