层序遍历 和 基于栈实现的先\中\后序遍历

1 层序遍历 level order traversal

  以完美二叉树举例，但适用于任何m叉树。

---

PS1：分析时不用要从0开始编号，从0开始编号是计算机和数学的一个显著差异，二者关注的东西是不一样的，从0开始在乎的是移位的性能，从1开始才是数学上的分析（0是加法的单位元，1是乘法的单位元，是先有逻辑再有代号）；
PS2：上面的二叉树，可以看到根节点的序号是左儿子序号的一半，可以通过$n$层的完美二叉树的节点总数是$2^n-1$来证明。

---

  上面的二叉树实际上可以拆分成：

  可以看到层序遍历的实现就是以三个节点（根左右）为一个最小单元，最开始的根节点1在队列，然后从1开始的各个最小单元执行：根出列、左右儿子依次入列的操作，这样循环就实现了层序遍历。

  上面的拆分就是层序遍历的实质，这种拆解和层序遍历的实现也说明了为什么要用队列。也是二叉树的一种分解方式，注意这种分解是包含链的，第一棵子树的左右儿子链到后面的单元子树。

  但特别注意的是，目前说的其实是广度优先搜索，还不是真正意义上的层序遍历（有细微差异），直接给代码：

// breadth first search：
	void BreadthFirstSearch(TreeNode root) {
   
		Queue<TreeNode> queue = new Qeque<>();
		queue.enqueue(root);
		
		while (!queue.isEmpty()) {
   
		TreeNode node = queue.dequeue();
				if (node.left != null) {
   
					queue.enqueue(node.left );
				} // of if
				if (node.right != null) {
   
					queue.enqueue(node.right);
				} // of if
			} // of while
		}// of BreadthFirstSearch(TreeNode)

  在 BFS 遍历的基础上区分遍历的每一层，就得到了层序遍历。简单的说，输出顺序没变，但是多了层的概念。层序遍历可以是二维数组，而 BFS 的遍历结果只是一个一维数组。

直接看代码，其实就是BFS的循环内，再一个以队列元素个数（即各层节点数）的内部循环。

	void levelOrderTraversal(TreeNode root) {
   
		Queue<TreeNode> queue = new Queue<>();
		queue.enqueue(root);
		
		while (!queue.isEmpty()) {
   
			int NumPerLayer = queue.depth();
			
			for (int i = 0; i < NumPerLayer; i++) {
   
				TreeNode node = queue.dequeue();
				
				if (node.left != null) {
   queue.enqueue(node.left);}
				if (node.right != null) {
   queue.enqueue(node.right);}		
			} // of for i
		} // of while
	} // of levelOrderTraversal(TreeNode)

  

2 基于栈实现的先/中/后序遍历 pre/in/post order traversal

1. 怎么想到 栈这种数据结构?
2. 怎么结合 栈给出简洁有效的代码？

  关于第一个问题，以下图为例：

  我们是先走到左子树，一直走到树叶，输出了再逐一退回到根进入各根的右子树，也就是我们先碰到的数据不是直接用到，而是会先保留，等后面的用完了，再利用先碰到的点，比如这里进入右子树就必须要根节点作为桥梁。所以，我们需要一种栈这样设计原理的数据结构。

  关于第二个问题，再回到上图。个人采用如下简记方式（代码太低效了，还是得纸、笔、公式）：n表示图中标记为n的节点，+n表示push(n)操作，-n表示pop(n)，pn表示print(n)，特别的，null节点在这里记为0。首先以中序遍历进行分析：

  它的中序遍历是：2 7 4 1 8 5 9 3 6
  中序的特点是：左中右。因此，中序出栈的关键：若有左儿子则一直进栈，否则根节点出栈的同时，让右子树根节点进栈。右子树根节点即右儿子，它是根节点到右子树的链，对于中序出栈，右子树根节点进栈就是从左子树和根节点完全转到右子树的意思。中序的关键在于根节点出栈在右子树进栈前。
  中序遍历对应的栈操作是：+1； 1 +2； 12 (-2+4)； 14 +7； 147 (-7+0)； 14 (-4+0)； 1 (-1+3)； 3 +5； 35 +8； 358 (-8+0)；
35 (-5+9)； 39 (-9+0)； 3 (-3+6)； 6 (-6+0)。
  上面实质为循环的每一步的变量和操作，上面写出来，循环就基本写出来了（具体实现时，也需要见识了大量代码后熟练了才行），同时方便理解、纠错、设计新算法，比如后面的先序遍历就是我自己设计的，哪怕其他人早就给出了吧。同时中序遍历给出了一种不够巧妙、但逻辑清晰的算法实现。

  即中序遍历的出栈顺序是：2 7 4 1 8 5 9 3 6，也就中序出栈的顺序（出栈前打印）就是中序遍历的顺序——这句话看似是显然的，但其实不是，后面我们可以看到出栈顺序和打印的遍历顺序可以是不同的，也即如果按打印顺序（实现的效果）来判断是不是先序的话，那么中序的出栈顺序可以实现先序遍历的效果，但实现方式其实是中序的，这是被很多代码混淆的。
  实际上，除去打印操作的位置不同，它们的栈操作是一致的：

---

  接着分析先序遍历。该图的先序遍历是：1 2 4 7 3 5 8 9 6

  我们 可以用中序出栈顺序实现先序打印顺序 的效果：+1p1； 1 +2p2； 12 (-2+4p4)； 14 +7p7； 147 (-7+0)； 14 (-4+0)；
1 (-1+3p3)； 3 +5p5； 35 +8p8； 358 (-8+0)； 35 (-5+9p9)； 39 (-9+0)； 3 (-3+6p6)； 6 (-6+0)。

  这其实说明了打印顺序（即实现的效果）本质上并不是遍历顺序本身 ，前面中序出栈实现了先序打印，因为先序打印只是先打印了根节点元素（而没有出栈），或者是只要采用 根节点来作为一侧子树进入另一侧子树的链，那么根节点就必然晚于左子树节点出栈！
  因此，一方面根节代码输出结果判断代码显然是有缺陷的，另一方面，个人认为：