代码随想录算法训练营Day14 | 二叉树理论 | 递归遍历 | 迭代遍历 | 统一迭代

最新推荐文章于 2024-07-14 19:56:17 发布

Kolbe_Huang

最新推荐文章于 2024-07-14 19:56:17 发布

阅读量117

点赞数

分类专栏：代码随想录算法训练营一刷文章标签：算法

本文链接：https://blog.csdn.net/Kolbe_Huang/article/details/131908385

版权

代码随想录算法训练营一刷专栏收录该内容

53 篇文章 0 订阅

订阅专栏

二叉树理论

理论基础

二叉树种类

Complete binary tree

定义：每个 node 的 degree 为 0 或 2，且 degree=0 的 nodes 都在同一层。

depth=k 的树共有 $2^k-1$ 个 nodes。

Complete binary tree

定义：

除了最后一层，每一层都是填满的
最后一层的 nodes 都尽可能向左填充

Binary search tree

若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值
若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值
它的左、右子树也分别为 binary search tree

Balanced binary search tree（AVL）

它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。

储存方式

链式储存：依靠指针连接 node 和 subnodes，类似链表。
顺序储存：使用数组进行储存（从0开始 index）。
- 如果节点的 index 为 i，左节点的 index 为 2*i + 1，右节点的 index 为 2*i + 2

遍历二叉树

深度优先搜索（DFS）：搜索单个节点，直到碰到 leaf node 再往回走。
- 通常使用递归来实现，但也可以使用迭代（非递归）进行。
- 前序遍历
- 中序遍历
- 后序遍历
- 深度优先通常使用递归实现，即栈的结构
广度优先搜索（BFS）：完成当前层的搜索，再进入下一层（一层一层）
- 层次遍历（迭代）
- 使用队列，FIFO 的规则符合一层一层的需求

BFS 的遍历顺序

前/中/后序遍历，其实指的就是中间节点的遍历顺序（中间节点出现在哪里）。

前序遍历：中左右
中序遍历：左中右
后序遍历：左右中

二叉树定义

class TreeNode:
    def __init__(self, val, left = None, right = None):
        self.val = val
        self.left = left
        self.right = right

递归遍历

理论基础

递归的核心：

确定递归函数的参数、返回值
- 确定哪些参数是递归的过程中需要处理的
- 明确每次递归的返回值是什么
确定递归的终止条件
- 递归发生栈溢出的报错时，代表了递归的结束条件错误（或者压根没写）。由于递归是通过栈来实现的，没有正确终止的话，内存栈必然会溢出。
确定单层递归的逻辑
- 理解在每一层递归中要做什么，哪些部分是要 explicitly 处理的，哪些是要交给递归处理。

前序遍历 - 递归（144）

题目链接

class Solution:
    def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []
        left_lst = self.preorderTraversal(root.left)
        right_lst = self.preorderTraversal(root.right)
        return [root.val] + left_lst + right_lst

后序遍历 - 递归（145）

题目链接

class Solution:
    def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []
        left_lst = self.postorderTraversal(root.left)
        right_lst = self.postorderTraversal(root.right)
        return left_lst + right_lst + [root.val]

中序遍历 - 递归（94）

题目链接

class Solution:
    def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []
        left_lst = self.inorderTraversal(root.left)
        right_lst = self.inorderTraversal(root.right)
        return left_lst + [root.val] + right_lst

迭代遍历

理论基础

一般面试中不会要求用迭代的方法实现复杂的题目，主要是考察以非递归的方式实现简单题目的能力。

递归的底层使用栈来实现的，所以迭代的时候其实也是要用栈来实现（相当于手动实现递归）。
但要注意，栈的 LIFO 的特性导致加入元素的顺序应当与最终数组里的结果是相反的。

前序遍历 - 迭代

通过栈的特性，来完成实质上的递归：每当栈的 top element 发生改变的时候，实质是开始了子树的递归。

因为栈的 LIFO，操作时的入栈顺序是中右左。

class Solution:
    def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []

        stack = [root]
        results = []
        while (len(stack) > 0):
            curr_node = stack.pop()
            results.append(curr_node.val)           # middle
            if curr_node.right != None:             # right
                stack.append(curr_node.right)
            if curr_node.left != None:              # left
                stack.append(curr_node.left)
        return results

后序遍历 - 迭代

与前序遍历是一样的，只需要进行一些顺序的翻转即可（前序是“中左右”，后序是“左右中”）。

class Solution:
    def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []
        
        stack = [root]
        results = []
        while (len(stack) > 0):
            curr_node = stack.pop()
            results.append(curr_node.val)
            if curr_node.left != None:
                stack.append(curr_node.left)
            if curr_node.right != None:
                stack.append(curr_node.right)
        results.reverse()
        return results

中序遍历 - 迭代

中序遍历和前后序遍历的代码基础是不同的，没办法像后序一样直接在前序的基础上修改。区别在于，中序遍历的访问节点和处理节点是不同的。

访问节点：遍历二叉树的节点
处理节点：将当前节点的值放入数组中

当访问根节点的时候，想要先处理左子树中的元素（而非像之前一样，先处理根节点），所以只有访问到最左边的 leaf 节点时，才能开始处理节点。解决思路是用栈进行其中的记录，而用指针来访问节点，而不像之前一样访问即可以处理。

主要逻辑：

从根节点开始，一路访问左子节点，直到 None
当遇到 None 的时候，pop 栈中的 top element（也就是此时的节点的根节点），同时检查该根节点（pop出去的元素）的右子节点

class Solution:
    def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []
        
        stack = []
        results = []
        curr_node = root
        while (len(stack) > 0 or curr_node != None):
            if curr_node != None:
                stack.append(curr_node)
                curr_node = curr_node.left              # left
            else:
                curr_node = stack.pop()
                results.append(curr_node.val)           # middle
                curr_node = curr_node.right             # right
        return results

统一迭代

理论基础

迭代方法无法像递归一样以统一框架来处理前中后序遍历，最大的原因是中序遍历的处理与访问时分开的（类似于双指针）。
处理方法是将访问的节点放入栈中，把要处理的节点也放入栈中但是要做标记（要处理的节点放入栈之后，紧接着放入一个空指针作为标记。

统一的解法采用先全部记录，再进行处理的思路，用栈先收集所有节点，然后在栈中弹出顺序元素。

不过这种统一的迭代方法的理论意义大，实际使用还是正常用迭代和递归即可。

前序遍历 - 统一

class Solution:
    def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []

        stack = [root]
        results = []
        while (len(stack) > 0):
            curr_node = stack.pop()
            if curr_node != None:
                if curr_node.right != None:
                    stack.append(curr_node.right)       # right
                if curr_node.left != None:
                    stack.append(curr_node.left)        # left
                stack.append(curr_node)                 # middle
                stack.append(None)
            else:
                results.append(stack.pop().val)
        return results

后序遍历 - 统一

class Solution:
    def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []

        stack = [root]
        results = []
        while (len(stack) > 0):
            curr_node = stack.pop()
            if curr_node != None:
                stack.append(curr_node)             # middle
                stack.append(None)
                if curr_node.right != None:
                    stack.append(curr_node.right)       # right
                if curr_node.left != None:
                    stack.append(curr_node.left)        # left
            else:
                results.append(stack.pop().val)
        return results

中序遍历 - 统一

在这里插入图片描述

class Solution:
    def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
        if root == None:
            return []

        stack = [root]
        results = []
        while (len(stack) > 0):
            curr_node = stack.pop()
            if curr_node != None:
                if curr_node.right != None:
                    stack.append(curr_node.right)       # right
                stack.append(curr_node)                 # middle
                stack.append(None)
                if curr_node.left != None:
                    stack.append(curr_node.left)        # left
            else:
                results.append(stack.pop().val)
        return results

Kolbe_Huang

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
代码随想录算法训练营Day14 | 二叉树理论 | 递归遍历 | 迭代遍历 | 统一迭代

理论基础定义：每个 node 的 degree 为 0 或 2，且 degree=0 的 nodes 都在同一层。depth=k 的树共有 2k−12^k-12k−1 个 nodes。定义：它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。前/中/后序遍历，其实指的就是中间节点的遍历顺序（中间节点出现在哪里）。递归遍历理论基础递归的核心：题目链接后序遍历 - 递归（145）题目链接中序遍历 - 递归（94）题目链接迭代遍历理论基础一般面试
复制链接

扫一扫