题目
leetcode105
根据一棵树的前序遍历与中序遍历构造二叉树。
注意:
你可以假设树中没有重复的元素。
例如,给出
前序遍历 preorder = [3,9,20,15,7]
中序遍历 inorder = [9,3,15,20,7]
返回如下的二叉树:
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/construct-binary-tree-from-preorder-and-inorder-traversal
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
leetcode106
根据一棵树的中序遍历与后序遍历构造二叉树。
注意:
你可以假设树中没有重复的元素。
例如,给出
中序遍历 inorder = [9,3,15,20,7]
后序遍历 postorder = [9,15,7,20,3]
返回如下的二叉树:
通过次数89,442提交次数125,630
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/construct-binary-tree-from-inorder-and-postorder-traversal
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路
前言
二叉树前序遍历的顺序为:
先遍历根节点;
随后递归地遍历左子树;
最后递归地遍历右子树。
二叉树中序遍历的顺序为:
先递归地遍历左子树;
随后遍历根节点;
最后递归地遍历右子树。
二叉树的后序遍历的顺序为:
先递归地遍历左子树;
在递归地遍历右子树:
随后遍历根节点;
在「递归」地遍历某个子树的过程中,我们也是将这颗子树看成一颗全新的树,按照上述的顺序进行遍历。
思路一
对于任意一颗树而言,前序遍历的形式总是
[ 根节点, [左子树的前序遍历结果], [右子树的前序遍历结果] ]
即根节点总是前序遍历中的第一个节点。而中序遍历的形式总是
[ [左子树的中序遍历结果], 根节点, [右子树的中序遍历结果] ]
后续的遍历形式:
[[左子树的后序遍历结果],[右子树的后序遍历结果],根节点]
只要我们在中序遍历中定位到根节点,那么我们就可以分别知道左子树和右子树中的节点数目。由于同一颗子树的前序遍历和中序遍历的长度显然是相同的,因此我们就可以对应到前序遍历的结果中,对上述形式中的所有左右括号进行定位。
这样以来,我们就知道了左子树的前序遍历和中序遍历结果,以及右子树的前序遍历和中序遍历结果,我们就可以递归地对构造出左子树和右子树,再将这两颗子树接到根节点的左右位置。
同理:知道后序遍历和中序遍历结果,也可唯一构造一棵二叉树,但是前序+后序 无法实现。
拓展
STL vector常用方法总结
参考链接:
参考一:
参考二:
unordered_map
unordered_map:
头文件:
#include<tr1/unordered_map>
using namespace std::tr1;
常用api:
- 查找是否存在:
若有unordered_map <int, int> mp;查找x是否在map中
方法1: 若存在 mp.find(x)!=mp.end()
方法2: 若存在 mp.count(x)!=0
- 插入元素
mp.insert(Map::value_type(1,“Raoul”));
- 遍历map
unordered_map<key,T>::iterator it;
(*it).first; //the key value
(*it).second //the mapped value
for(unordered_map<key,T>::iterator iter=mp.begin();iter!=mp.end();iter++)
cout<<"key value is"<<iter->first<<" the mapped value is "<< iter->second;
//也可以这样
for(auto& v : mp)
print v.first and v.second
- 与map对比
内部实现机理
map: map内部实现了一个红黑树,该结构具有自动排序的功能,因此map内部的所有元素都是有序的,红黑树的每一个节点都代表着map的一个元素,因此,对于map进行的查找,删除,添加等一系列的操作都相当于是对红黑树进行这样的操作,故红黑树的效率决定了map的效率。
unordered_map: unordered_map内部实现了一个哈希表,因此其元素的排列顺序是杂乱的,无序的
- 适用场景对比
map
优点:
有序性,这是map结构最大的优点,其元素的有序性在很多应用中都会简化很多的操作
红黑树,内部实现一个红黑书使得map的很多操作在的时间复杂度下就可以实现,因此效率非常的高
缺点:
空间占用率高,因为map内部实现了红黑树,虽然提高了运行效率,但是因为每一个节点都需要额外保存父节点,孩子节点以及红/黑性质,使得每一个节点都占用大量的空间
适用处,对于那些有顺序要求的问题,用map会更高效一些
unordered_map
优点:
因为内部实现了哈希表,因此其查找速度非常的快
缺点:
哈希表的建立比较耗费时间
适用处,对于查找问题,unordered_map会更加高效一些,因此遇到查找问题,常会考虑一下用unordered_map
源码
leet105
//方法一:递归
//思路
//
//对于任意一颗树而言,前序遍历的形式总是
//
//
//[根节点, [左子树的前序遍历结果], [右子树的前序遍历结果]]
//即根节点总是前序遍历中的第一个节点。而中序遍历的形式总是
//
//
//[[左子树的中序遍历结果], 根节点, [右子树的中序遍历结果]]
class Solution {
//利用unordered_map 提高遍历效率
private:
unordered_map<int, int> index;
public:
TreeNode* myBuildTree(vector<int>& preorder, int preStart, int preEnd, vector<int>& inorder, int inStart, int inEnd) {
if (preStart > preEnd) {
return nullptr;
}
//先序遍历第一个节点即为根节点
int pre_root = preStart;
//查找第一个节点在中序遍历中的下标位置
int in_root = index[preorder[preStart]];
//创建新的根节点
TreeNode* root = new TreeNode(preorder[preStart]);
//分割中序遍历vector,得到左子树的区间
int in_sub_left = in_root - inStart;
//递归的构造左子树,并连接到根节点
//区间调整
先序遍历中「从 左边界+1 开始的 size_left_subtree」个元素就对应了中序遍历中「从 左边界 开始到 根节点定位-1」的元素
root->left = myBuildTree(preorder,preStart+1,preStart+in_sub_left,inorder,inStart,in_root-1);
先序遍历中「从 左边界+1+左子树节点数目 开始到 右边界」的元素就对应了中序遍历中「从 根节点定位+1 到 右边界」的元素
root->right =myBuildTree(preorder,preStart+in_sub_left+1,preEnd ,inorder,in_root+1,inEnd);
return root;
}
TreeNode* buildTree(vector<int>& preorder, vector<int>& inorder) {
int n = preorder.size();
//构建哈希映射
for (int i = 0; i < n; i++) {
index[inorder[i]] = i;
}
return myBuildTree(preorder, 0, n - 1, inorder, 0, n - 1);
}
};
leet106
/**
* Definition for a binary tree node.
* struct TreeNode {
* int val;
* TreeNode *left;
* TreeNode *right;
* TreeNode() : val(0), left(nullptr), right(nullptr) {}
* TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
* TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
* };
*/
class Solution {
private:
unordered_map<int,int> treeIndex;
public:
TreeNode * build(vector<int>& inorder, int in_left,int in_right,vector<int>& postorder,int po_left,int po_right){
//判断合法性
if(po_left > po_right) return nullptr;
//ton过后序遍历 找到根节点
int root_val = postorder[po_right];
//在中序遍历中找到根节点对应元素的下标
int in_loc = treeIndex[root_val];
//将中序遍历vector 分割,左侧区间大小为
int in_sub_len = in_loc -in_left;
//创建新节点,存放根节点元素
TreeNode * root = new TreeNode(root_val);
//递归左右节点
root->left = build(inorder,in_left,in_loc-1,postorder,po_left,po_left+in_sub_len-1);
root->right = build(inorder,in_loc+1,in_right,postorder,po_left+in_sub_len,po_right-1);
return root;
}
TreeNode* buildTree(vector<int>& inorder, vector<int>& postorder) {
int len = inorder.size();
//判断特例
if(len == 0) return nullptr;
//hash map 索引
for(int i =0; i< len;i++){
//cout << inorder[i]<<" ";
treeIndex[inorder[i]] = i;
}
return build(inorder,0,len-1,postorder,0,len-1);
}
};