【leetcode-Python】-树-105. Construct Binary Tree from Preorder and Inorder Traversal

题目链接

https://leetcode.com/problems/construct-binary-tree-from-preorder-and-inorder-traversal/

题目描述

根据一棵树的前序遍历和中序遍历构造二叉树。二叉树中不包含重复元素。

示例

输入:preorder=[3,9,8,6,7],inorder = [9,3,6,8,7]

输出: [3,9,8,null,null,6,7]

解题思路

这道题首先需要根据前序遍历和中序遍历的结果找到根节点,然后找出左右子树的前序、中序遍历结果,递归构建左右子树。

首先根据前序遍历结果preorder得到树的根节点preorder[0],然后在中序遍历结果inorder中找到值等于preorder[0]的元素索引,设为x,那么inorder[0,...,x-1](左闭右闭区间)为左子树的中序遍历结果,inorder[x+1:]为右子树的中序遍历结果。同时我们也知道了左子树共有x个节点,因此preorder[1:x](左闭右闭区间)为左子树的前序遍历结果,preorder[x+1:]为右子树的前序遍历结果。

Python实现

下面代码中维护[pre_lo,pre_hi]为子树的前序遍历结果区间,[in_lo,in_hi]为中序遍历结果区间。在传递索引时要记住我们找的是左闭右闭区间。

# 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
class Solution:
    def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
        def construct(preorder,pre_lo,pre_hi,inorder,in_lo,in_hi):
            #用左闭右闭区间
            if(pre_lo > pre_hi or in_lo > in_hi):
                return None
            root_value = preorder[pre_lo]#根节点的值
            #找到根节点在中序遍历中的位置,index()方法时间复杂度为O(1),返回列表中第一次该元素出现的位置
            root_index = inorder.index(root_value)
            left_subtree_num = root_index-in_lo
            root = TreeNode(root_value)
            root.left = construct(preorder,pre_lo+1,pre_lo+left_subtree_num,inorder,in_lo,root_index-1)
            root.right = construct(preorder,pre_lo+left_subtree_num+1,pre_hi,inorder,root_index+1,in_hi)
            return root
        root = construct(preorder,0,len(preorder)-1,inorder,0,len(inorder)-1)
        return root
            

还可以利用Python中的切片传递子树的前序遍历和中序遍历结果。注意切片nums[x:y]取的是[x,y)左闭右开区间。

# 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
class Solution:
    def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
        def construct(preorder,inorder):
            #如果用来构建子树的前序中序遍历结果为空,则返回None
            if not preorder or not inorder:
                return None
            root_value = preorder[0]#根节点的值
            #找到根节点在中序遍历中的位置,index()方法时间复杂度为O(1),返回列表中第一次该元素出现的位置
            root_index = inorder.index(root_value)
            left_subtree_num = root_index
            root = TreeNode(root_value)
            root.left = construct(preorder[1:left_subtree_num+1],inorder[0:root_index])
            root.right = construct(preorder[left_subtree_num+1:],inorder[root_index+1:])
            return root
        root = construct(preorder,inorder)
        return root
            

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值