算法设计与分析：二叉树问题的解决思路

前言

二叉树是数据结构中使用频率非常高的一种了，凭借高实用性和效率成为数据结构中必须攻克的一环。关于二叉树的问题，说简单其实也很简单，只要摸清根与左右节点之间的关系，套用二叉树的遍历框架就能解决；说难倒也难，简单的题很容易发现这种关系，难题就不一定了。

本文先从二叉树的基本思想出发，给出二叉树的套用框架，再根据实际的二叉树题目来具体说明如何应用。当然，由于篇幅限制，不可能将每道题都说明，因此，本文将从leetcode的二叉树问题中挑选2道简单题，1道中等题，讲解如何解决二叉树基本问题。

题不在多，关键是掌握解决题目的思想和思路，同时由于我刷的题目还比较少，后期会添加一些比较特殊的二叉树难题解决思路到本文中。

二叉树的基本思想

讲二叉树，首先要理解什么是二叉树，下面是我绘制的一幅二叉树图像。

显然，二叉树包含根节点和左右两个子节点。所有的操作都是围绕这三者展开，例如我们本科数据结构与算法常讲的前、中、后序遍历。本质上就是根节点处理相对于左右节点的位置。转换成图形思想就如下图所示：

红色：最先遍历，橙色：第二个遍历，黄色：最后遍历

我们同样也可以将其转换成代码的形式：

void traverse(root):
	// root在此，前序
	traverse(root.left)
	// root在此，中序
	traverse(root.right)
	// root在此，后序

上面我只画了三个节点，因此容易被忽略的一点是：实际操作是针对root节点进行的，在这里，实际操作就是traverse这个函数，因此，在我们处理了root之后去处理root.left的时候，root.left就成了新的root，也就是说当前root.right必须得等root.left作为root的子树处理完了才能处理，体现在遍历上就是最后打印。

所谓万变不离其宗，二叉树的所有问题基本上离不开遍历的思想，我们对二叉树的操作，无非增删改查，这就涉及到对每个节点的处理，而对每个节点的处理可以转换成root，root.left，root.right的处理，继续不断发散，其实就是递归的思想。

当完全掌握二叉树的用法后，对于递归问题也能够驾轻就熟

简单题

下面直接从具体的问题入手，我选择了leetcode上两道简单的二叉树问题。

大部分思想是异曲同工的，有些东西我可能总结并不到位，需要自己举一反三

合并二叉树

这种问题直接套用遍历的框架，加一点判断条件即可。

• 题目地址

• 问题描述
  

• 解决思路
  问题很好理解，就是两棵二叉树对应位置相加，也就是说我们要对两棵树的每个位置都对应查看。说白了将两棵树缺失的位置补0，再叠到一块就好了。那么如何向我们的遍历框架靠拢呢？

  其实很好解决，全部位置的叠加我们只需要转换成根节点的叠加，剩下的扔给左右子节点考虑。可以快速写出代码如下：

  class TreeNode(object):
  	# 树的定义
      def __init__(self, x):
          self.val = x
          self.left = None
          se