Day21 算法学习|二叉树07 继续递归，难度提升

最新推荐文章于 2024-10-31 16:16:13 发布

Hola_error

最新推荐文章于 2024-10-31 16:16:13 发布

阅读量56

点赞数

文章标签：算法学习 python

本文链接：https://blog.csdn.net/m0_55811518/article/details/131316362

版权

题目 530.二叉搜索树的最小绝对差

问题描述

给定一个所有节点为非负值的二叉搜索树，求树中任意两节点的差的绝对值的最小值。

解题思路

我们需要了解二叉搜索树（BST）的一个关键特性：对 BST 进行中序遍历将得到一个递增的序列。这意味着最小的绝对差将存在于两个相邻的元素之间。
由于最小的绝对差在相邻的元素之间，我们在进行中序遍历的同时，比较当前节点和前一个节点的差值，更新最小差值。
我们使用一个全局变量 prev 来记录前一个节点，min_diff 来记录当前的最小差值。在遍历的过程中，我们更新这两个变量。

代码

定义二叉树节点和初始化全局变量

class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right

class Solution:
    def __init__(self):
        self.prev = -1
        self.min_diff = float('inf')

中序遍历和更新最小差值

    def getMinimumDifference(self, root: Optional[TreeNode]) -> int:
        if root is None:
            return self.min_diff

        self.getMinimumDifference(root.left)

        if self.prev != -1:
            self.min_diff = min(self.min_diff, root.val - self.prev)
        self.prev = root.val

        self.getMinimumDifference(root.right)
        
        return self.min_diff

利用中序递增，结合数组

class Solution:
    def __init__(self):
        self.vec = []

    def traversal(self, root):
        if root is None:
            return
        self.traversal(root.left)
        self.vec.append(root.val)  # 将二叉搜索树转换为有序数组
        self.traversal(root.right)

    def getMinimumDifference(self, root):
        self.vec = []
        self.traversal(root)
        if len(self.vec) < 2:
            return 0
        result = float('inf')
        for i in range(1, len(self.vec)):
            # 统计有序数组的最小差值
            result = min(result, self.vec[i] - self.vec[i - 1])
        return result

迭代法

class Solution:
    def getMinimumDifference(self, root):
        stack = []
        cur = root
        pre = None
        result = float('inf')

        while cur is not None or len(stack) > 0:
            if cur is not None:
                stack.append(cur)  # 将访问的节点放进栈
                cur = cur.left  # 左
            else:
                cur = stack.pop()
                if pre is not None:  # 中
                    result = min(result, cur.val - pre.val)
                pre = cur
                cur = cur.right  # 右

        return result

复杂度分析(递归)

时间复杂度 O(N)
其中 N 是 BST 中节点的数量，因为我们需要遍历整棵树。
O(H)，其中 H 是 BST 的高度

也就是递归栈的深度。在最坏的情况下，树可能完全倾斜，递归深度等于树的节点数量。

空间复杂度 O(H)，其中 H 是 BST 的高度
也就是递归栈的深度。在最坏的情况下，树可能完全倾斜，递归深度等于树的节点数量。

题目 501.二叉搜索树中的众数

问题描述

给定一个有相同值的二叉搜索树（BST），找出 BST 中的所有众数（出现频率最高的元素）。

假定 BST 有如下定义：

结点左子树中所含结点的值小于等于当前结点的值
结点右子树中所含结点的值大于等于当前结点的值
左子树和右子树都是二叉搜索树
在这里插入图片描述

解题思路

中序遍历：使用中序遍历的方式遍历二叉搜索树。首先遍历左子树，然后访问当前节点，最后遍历右子树。
使用全局变量：为了在递归过程中共享状态，使用全局变量来记录上一个节点的值和当前的最小差值。
初始化变量：在开始遍历之前，初始化上一个节点的值为 None，并将最小差值设置为一个较大的初始值（如正无穷）。
更新最小差值：对于当前节点，计算它与上一个节点值的差值，并将其与当前最小差值进行比较。如果小于当前最小差值，则更新最小差值。
递归遍历左右子树：在递归调用中，按照中序遍历的顺序遍历左子树和右子树。

代码

递归法（版本一）利用字典

from collections import defaultdict

class Solution:
    def searchBST(self, cur, freq_map):
        if cur is None:
            return
        freq_map[cur.val] += 1  # 统计元素频率
        self.searchBST(cur.left, freq_map)
        self.searchBST(cur.right, freq_map)

    def findMode(self, root):
        freq_map = defaultdict(int)  # key:元素，value:出现频率
        result = []
        if root is None:
            return result
        self.searchBST(root, freq_map)
        max_freq = max(freq_map.values())
        for key, freq in freq_map.items():
            if freq == max_freq:
                result.append(key)
        return result

递归法（版本二）利用二叉搜索树性质

class Solution:
    def __init__(self):
        self.maxCount = 0  # 最大频率
        self.count = 0  # 统计频率
        self.pre = None
        self.result = []

    def searchBST(self, cur):
        if cur is None:
            return

        self.searchBST(cur.left)  # 左
        # 中
        if self.pre is None:  # 第一个节点
            self.count = 1
        elif self.pre.val == cur.val:  # 与前一个节点数值相同
            self.count += 1
        else:  # 与前一个节点数值不同
            self.count = 1
        self.pre = cur  # 更新上一个节点

        if self.count == self.maxCount:  # 如果与最大值频率相同，放进result中
            self.result.append(cur.val)

        if self.count > self.maxCount:  # 如果计数大于最大值频率
            self.maxCount = self.count  # 更新最大频率
            self.result = [cur.val]  # 很关键的一步，不要忘记清空result，之前result里的元素都失效了

        self.searchBST(cur.right)  # 右
        return

    def findMode(self, root):
        self.count = 0
        self.maxCount = 0
        self.pre = None  # 记录前一个节点
        self.result = []

        self.searchBST(root)
        return self.result

迭代法


class Solution:
    def findMode(self, root):
        st = []
        cur = root
        pre = None
        maxCount = 0  # 最大频率
        count = 0  # 统计频率
        result = []

        while cur is not None or st:
            if cur is not None:  # 指针来访问节点，访问到最底层
                st.append(cur)  # 将访问的节点放进栈
                cur = cur.left  # 左
            else:
                cur = st.pop()
                if pre is None:  # 第一个节点
                    count = 1
                elif pre.val == cur.val:  # 与前一个节点数值相同
                    count += 1
                else:  # 与前一个节点数值不同
                    count = 1

                if count == maxCount:  # 如果和最大值相同，放进result中
                    result.append(cur.val)

                if count > maxCount:  # 如果计数大于最大值频率
                    maxCount = count  # 更新最大频率
                    result = [cur.val]  # 很关键的一步，不要忘记清空result，之前result里的元素都失效了

                pre = cur
                cur = cur.right  # 右

        return result

复杂度分析

时间复杂度 O(N)
空间复杂度 O(H)
其中 H 是二叉树的高度。对于平衡二叉树，空间复杂度为 O(logN)。但对于不平衡的二叉树，最坏情况下空间复杂度为 O(N)。

题目 236. 二叉树的最近公共祖先

在这里插入图片描述

问题描述

给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。

百度百科中最近公共祖先的定义为：“对于有根树 T 的两个结点 p、q，最近公共祖先表示为一个结点 x，满足 x 是 p、q 的祖先且 x 的深度尽可能大（一个节点也可以是它自己的祖先）。”

解题思路

从根节点开始搜索。
如果根节点为空，或者根节点就是要查找的其
中一个节点，我们返回根节点。
我们对左子树和右子树进行递归搜索。如果左右两侧都找到了，那么根节点就是最近公共祖先。
如果左侧没有找到，那么最近公共祖先在右侧；反之亦然。
如果左右两侧都没找到，那么最近公共祖先不存在。
-遇到 q 或者 p 就返回，这样也包含了 q 或者 p 本身就是公共祖先的情况。

注意！

求最小公共祖先，需要从底向上遍历，那么二叉树，只能通过后序遍历（即：回溯）实现从底向上的遍历方式。
在回溯的过程中，必然要遍历整棵二叉树，即使已经找到结果了，依然要把其他节点遍历完，因为要使用递归函数的返回值（也就是代码中的left和right）做逻辑判断。
要理解如果返回值left为空，right不为空为什么要返回right，为什么可以用返回right传给上一层结果。

递归过程

从根节点 3 开始执行 lowestCommonAncestor(3, 7, 4)。
- 检查节点 3 是否等于节点 7 或节点 4。这不是真的，所以我们需要继续递归。
在左子树中递归地找节点 7 和节点 4 的最近公共祖先，即执行 lowestCommonAncestor(5, 7, 4)。
- 在节点 5 的左子树中（即节点 6），我们没有找到节点 7 或节点 4，所以返回 None。
- 在节点 5 的右子树中（即节点 2），我们找到了节点 7 和节点 4，它们的最近公共祖先是节点 2，所以返回节点 2。
- 因此，lowestCommonAncestor(5, 7, 4) 在左子树中返回 None，右子树中返回节点 2，所以最终返回节点 2。
回到 lowestCommonAncestor(3, 7, 4)，我们在左子树中找到了最近公共祖先，即节点 2。
接着，我们在右子树中找节点 7 和节点 4 的最近公共祖先，即执行 lowestCommonAncestor(1, 7, 4)。
- 在节点 1 的左子树（即节点 0）和右子树（即节点 8）中，我们都没有找到节点 7 或节点 4，所以都返回 None。
- 因此，lowestCommonAncestor(1, 7, 4) 在左子树和右子树中都返回 None，所以最终返回 None。
最后，在 lowestCommonAncestor(3, 7, 4) 中，左子树的返回值是节点 2，右子树的返回值是 None，所以返回左子树的返回值，即节点 2。

所以，节点 7 和节点 4 的最近公共祖先是节点 2。

代码

递归

class Solution:
    def lowestCommonAncestor(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode':
        # 如果根节点为空，返回None
        if root is None:
            return None
        
        # 如果根节点等于p或q，说明根节点是它们的公共祖先
        if root == p or root == q:
            return root
        
        # 在左子树中寻找p和q的最近公共祖先
        left = self.lowestCommonAncestor(root.left, p, q)
        
        # 在右子树中寻找p和q的最近公共祖先
        right = self.lowestCommonAncestor(root.right, p, q)
        
        # 如果p和q分别在根节点的左右子树中，那么根节点就是它们的最近公共祖先
        if left is not None and right is not None:
            return root
        # 如果只有右子树中找到了公共祖先，返回右子树中的公共祖先
        elif left is None and right is not None:
            return right
        # 如果只有左子树中找到了公共祖先，返回左子树中的公共祖先
        elif left is not None and right is None:
            return left
        # 如果左右子树中都没有找到公共祖先，返回None
        else:
            return None

递归法（版本二）精简


class Solution:
    def lowestCommonAncestor(self, root, p, q):
        if root == q or root == p or root is None:
            return root

        left = self.lowestCommonAncestor(root.left, p, q)
        right = self.lowestCommonAncestor(root.right, p, q)

        if left is not None and right is not None:
            return root

        if left is None:
            return right
        return left