系列文章目录
提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
例如:第一章 Python 机器学习入门之pandas的使用
方法1-层序遍历(广度优先遍历/迭代实现)
层序遍历就是逐层遍历树结构。
广度优先搜索
是一种广泛运用在树或图这类数据结构中,遍历或搜索的算法。 该算法从一个根节点开始,首先访问节点本身。 然后遍历它的相邻节点,其次遍历它的二级邻节点、三级邻节点,以此类推。
当我们在树中进行广度优先搜索
时,我们访问的节点的顺序是按照层序遍历顺序的。
广度优先需要用队列作为辅助结构,我们先将根节点放到队列中,然后不断遍历队列。
首先拿出根节点,如果左子树/右子树不为空,就将他们放入队列中。第一遍处理完后,根节点已经从队列中拿走了,而根节点的两个孩子已放入队列中了,现在队列中就有两个节点 2
和 5
。
第二次处理,会将 2
和 5
这两个节点从队列中拿走,然后再将 2
和 5
的子节点放入队列中,现在队列中就有三个节点 3
,4
,6
.
我们把每层遍历到的节点都放入到一个结果集中,最后返回这个结果集就可以了。
时间复杂度: O(n)
空间复杂度:O(n)
# 层序遍历(广度优先遍历/迭代实现)
def levelOrder(self, root: TreeNode) -> List[List[int]]:
if root is None: return []
queue, output = [root], []
while queue:
current_queue_size = len(queue)
level = []
for i in range(current_queue_size):
root = queue.pop(0)
level.append(root.val)
if root.left:
queue.append(root.left)
if root.right:
queue.append(root.right)
output.append(level)
return output
range(start, stop[, step])
,xrange(start, stop[, step])
可以看出:xrange()
函数用法与 range()
完全相同,所不同的是生成的不是一个数组,而是一个生成器。
在Python3中,xrange()
函数被替代为range()
函数,而Python2中的range()
函数则被去掉了,可见下面的博客:
方法2-层序遍历(递归实现)
每次递归的时候,如果当前行对应的 list 不存在,就加入一个空 list 进去,且在递归的时候需要带一个 index(表示当前的层数)。
时间复杂度:O(N)
空间复杂度:O(h),h
是树的高度
# 层序遍历(递归实现)
def levelOrder(self, root: TreeNode) -> List[List[int]]:
if root is None: return []
output = []
def dfs(index, current_node):
# 給一维数组中再添加list,变成二维数组
# 假设output是[ [1],[2,3] ], index是3,就再插入一个空list放到output中
if len(output) < index:
output.append([])
output[index-1].append(current_node.val)
if current_node.left:
dfs(index+1, current_node.left)
if current_node.right:
dfs(index+1, current_node.right)
dfs(1, root)
return output
递归问题
求一棵二叉树的最大深度:
自顶向下:
“自顶向下” 意味着在每个递归层级,我们将首先访问节点来计算一些值,并在递归调用函数时将这些值传递到子节点。 所以 “自顶向下” 的解决方案可以被认为是一种前序遍历。
我们知道根节点的深度是1
。 对于每个节点,如果我们知道某节点的深度,那我们将知道它子节点的深度。 因此,在调用递归函数的时候,将节点的深度传递为一个参数,那么所有的节点都知道它们自身的深度。 而对于叶节点,我们可以通过更新深度从而获取最终答案。
自底向上:
“自底向上” 是另一种递归方法。 在每个递归层次上,我们首先对所有子节点递归地调用函数,然后根据返回值和根节点本身的值得到答案。 这个过程可以看作是后序遍历的一种。
如果我们知道一个根节点,以其左子节点为根的最大深度为l
和以其右子节点为根的最大深度为r
,我们是否可以回答前面的问题? 当然可以,我们可以选择它们之间的最大值,再加上1来获得根节点所在的子树的最大深度。
总结
了解递归并利用递归解决问题并不容易。
当遇到树问题时,请先思考一下两个问题:
- 你能确定一些参数,从该节点自身解决出发寻找答案吗?
- 你可以使用这些参数和节点本身的值来决定什么应该是传递给它子节点的参数吗?
如果答案都是肯定的,那么请尝试使用 “自顶向下
” 的递归来解决此问题。
或者你可以这样思考:对于树中的任意一个节点,如果你知道它子节点的答案,你能计算出该节点的答案吗? 如果答案是肯定的,那么 “自底向上
” 的递归可能是一个不错的解决方法。