Day23 算法学习|二叉树08二叉树完结

题目 669. 修剪二叉搜索树

问题描述

给定一个二叉搜索树,同时给定最小边界L 和最大边界 R。通过修剪二叉搜索树,使得所有节点的值在[L, R]中 (R>=L) 。你可能需要改变树的根节点,所以结果应当返回修剪好的二叉搜索树的新的根节点。
在这里插入图片描述

解题思路

  • 如果节点为空(即遍历到叶子节点的子节点),直接返回空节点。
    如果节点的值小于范围的最小值 low,说明该节点及其左子树都不在范围内,需要继续递归处理右子树,并返回右子树符合条件的头结点。
  • 如果节点的值大于范围的最大值 high,说明该节点及其右子树都不在范围内,需要继续递归处理左子树,并返回左子树符合条件的头结点。
  • 如果节点的值在范围内,说明该节点及其左右子树都在范围内,需要分别递归处理左右子树,并将修剪后的结果分别赋值给当前节点的左子树和右子树。

代码

  • 递归
class Solution:
    def trimBST(self, root: TreeNode, low: int, high: int) -> TreeNode:
        if root is None:
            return None
        if root.val < low:
            # 寻找符合区间 [low, high] 的节点
            return self.trimBST(root.right, low, high)
        if root.val > high:
            # 寻找符合区间 [low, high] 的节点
            return self.trimBST(root.left, low, high)
        root.left = self.trimBST(root.left, low, high)  # root.left 接入符合条件的左孩子
        root.right = self.trimBST(root.right, low, high)  # root.right 接入符合条件的右孩子
        return root

***递归过程 ***
假设我们有以下二叉搜索树:

在这里插入图片描述
最终,修剪后的二叉搜索树如下:
在这里插入图片描述

  • 迭代

class Solution:
    def trimBST(self, root: TreeNode, L: int, R: int) -> TreeNode:
        if not root:
            return None
        
        # 处理头结点,让root移动到[L, R] 范围内,注意是左闭右闭
        while root and (root.val < L or root.val > R):
            if root.val < L:
                root = root.right  # 小于L往右走
            else:
                root = root.left  # 大于R往左走
        
        cur = root
        
        # 此时root已经在[L, R] 范围内,处理左孩子元素小于L的情况
        while cur:
            while cur.left and cur.left.val < L:
                cur.left = cur.left.right
            cur = cur.left
        
        cur = root
        
        # 此时root已经在[L, R] 范围内,处理右孩子大于R的情况
        while cur:
            while cur.right and cur.right.val > R:
                cur.right = cur.right.left
            cur = cur.right
        
        return root

复杂度分析

  • 时间复杂度O(n)/O(log n)

  • 空间复杂度O(n)/O(log n)

题目 108.将有序数组转换为二叉搜索树

问题描述

将一个按照升序排列的有序数组,转换为一棵高度平衡二叉搜索树。

本题中,一个高度平衡二叉树是指一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过 1。

解题思路

在这里插入图片描述

  • 这段代码的基本思想是二分法和递归。首先,我们找到输入数组的中间元素,并以此创建一个新的树节点,该节点作为二叉搜索树的根。然后,我们递归地对左半部分和右半部分的数组进行同样的操作,分别创建左子树和右子树。

  • 递归的基准情况是当 left > right 时,此时说明数组中没有元素可以用来创建新的节点,所以返回 None。

代码

  • 递归

class Solution:
    def traversal(self, nums: List[int], left: int, right: int) -> TreeNode:
        if left > right:
            return None
        
        mid = left + (right - left) // 2
        root = TreeNode(nums[mid])
        root.left = self.traversal(nums, left, mid - 1)
        root.right = self.traversal(nums, mid + 1, right)
        return root
    
    def sortedArrayToBST(self, nums: List[int]) -> TreeNode:
        root = self.traversal(nums, 0, len(nums) - 1)
        return root

递归模拟

[1, 2, 3, 4, 5, 6, 7]
初始化:我们首先找到中间元素,对于这个数组来说,中间元素是4。所以,我们创建一个新的节点,值为4,这个节点成为我们的根节点。
在这里插入图片描述
在这里插入图片描述


在这里插入图片描述
在这里插入图片描述

  • 迭代
from collections import deque

class Solution:
    def sortedArrayToBST(self, nums: List[int]) -> TreeNode:
        if len(nums) == 0:
            return None
        
        root = TreeNode(0)  # 初始根节点
        nodeQue = deque()   # 放遍历的节点
        leftQue = deque()   # 保存左区间下标
        rightQue = deque()  # 保存右区间下标
        
        nodeQue.append(root)               # 根节点入队列
        leftQue.append(0)                  # 0为左区间下标初始位置
        rightQue.append(len(nums) - 1)     # len(nums) - 1为右区间下标初始位置

        while nodeQue:
            curNode = nodeQue.popleft()
            left = leftQue.popleft()
            right = rightQue.popleft()
            mid = left + (right - left) // 2

            curNode.val = nums[mid]  # 将mid对应的元素给中间节点

            if left <= mid - 1:  # 处理左区间
                curNode.left = TreeNode(0)
                nodeQue.append(curNode.left)
                leftQue.append(left)
                rightQue.append(mid - 1)

            if right >= mid + 1:  # 处理右区间
                curNode.right = TreeNode(0)
                nodeQue.append(curNode.right)
                leftQue.append(mid + 1)
                rightQue.append(right)

        return root

复杂度分析

  • 时间复杂度O(n)

  • 空间复杂度O(log(n))

  • 我们使用了递归,递归深度在最坏的情况下为 n。但由于我们的输入数组是有序的,因此我们总是能够沿着数组的中间划分,使得树保持平衡,所以递归的深度是 log(n)。因此,空间复杂度是 O(log(n))。

题目 538.把二叉搜索树转换为累加树

问题描述

给出二叉 搜索 树的根节点,该树的节点值各不相同,请你将其转换为累加树(Greater Sum Tree),使每个节点 node 的新值等于原树中大于或等于 node.val 的值之和。

提醒一下,二叉搜索树满足下列约束条件:

节点的左子树仅包含键 小于 节点键的节点。 节点的右子树仅包含键 大于 节点键的节点。 左右子树也必须是二叉搜索树。
在这里插入图片描述

解题思路

  • 任一节点的左子树中的节点值都小于该节点的值,而右子树中的节点值都大于该节点的值
  • 因此,我们可以通过反向中序遍历(即先遍历右子树,再遍历根节点,最后遍历左子树)得到从大到小的节点值。
  • 在遍历过程中,我们利用一个全局变量 cur 来累计已遍历的节点值,这就保证了当我们遍历到某个节点时,cur 中存储的是所有比该节点值大的节点值之和。然后,我们只需要将 cur 的值加到当前节点的值上,即可完成题目的要求。

代码

  • 递归1
class Solution:
    def convertBST(self, root: TreeNode) -> TreeNode:
        self.pre = 0  # 记录前一个节点的数值
        self.traversal(root)
        return root
    def traversal(self, cur):
        if cur is None:
            return        
        self.traversal(cur.right)
        cur.val += self.pre
        self.pre = cur.val
        self.traversal(cur.left)

  • 递归2
class Solution:
    def __init__(self):
        self.cur = 0  # 全局变量,用来累积已经遍历过的节点的值
    def convertBST(self, root: Optional[TreeNode]) -> Optional[TreeNode]:
        if  root:
            self.convertBST(root.right)  # 先遍历右子树

            # 遍历到当前节点,更新节点的值和累积值
            self.cur += root.val
            root.val = self.cur

             self.convertBST(root.left)  # 最后遍历左子树

        return root

递归模拟

在这里插入图片描述

  • 迭代法(版本二)

class Solution:
    def convertBST(self, root: Optional[TreeNode]) -> Optional[TreeNode]:
        if not root: return root
        stack = []
        result = []
        cur = root
        pre = 0
        while cur or stack:
            if cur:
                stack.append(cur)
                cur = cur.right
            else: 
                cur = stack.pop()
                cur.val+= pre
                pre = cur.val
                cur =cur.left
        return root

复杂度分析

  • 时间复杂度O(n)

  • 空间复杂度O(h)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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