递归遍历
- 题目链接:144.二叉树的前序遍历,145.二叉树的后序遍历,94.二叉树的中序遍历
- 文章讲解:代码随想录
思路
每次写递归,都按照这三要素来写,可以保证大家写出正确的递归算法!
- 确定递归的参数和返回值。确定哪些参数是递归的过程中需要处理的,那么就在递归函数里加上这个参数,并且还要明确每次递归的返回值是什么进而确定递归函数的返回类型。
- 确定终止条件。写完了递归算法,运行的时候,经常会遇到栈溢出的错误,就是没写终止条件或者终止条件写的不对,操作系统也是用一个栈的结构来保存每一层递归的信息,如果递归没有终止,操作系统的内存栈必然就会溢出。
- 确定单层递归的逻辑。确定每一层递归需要处理的信息。在这里也就会重复调用自己来实现递归的过程。
以下以前序遍历为例:
- 确定递归函数的参数和返回值:因为要打印出前序遍历节点的数值,所以参数里需要传入node来获取节点的值,除了这个就不需要处理什么数据也不需要有返回值
- 在递归的过程中怎么才算真正结束了呢,当然是当前遍历的节点是空了,那么本层递归就结束了。
- 前序遍历是中左右的顺序,所以在单层递归的逻辑,是要取中节点的值,然后再去遍历左右节点
方法一: 递归遍历-前序
class TreeNode:
def __init__(self,val=0,left=None,right=None) -> None:
self.val = val
self.right = right
self.left = left
# 前序遍历
class Solution:
def preorderTraversal(self,root:TreeNode) -> List[int]:
res = []
def dfs(node):
if node is None:
return
res.append(node.val)
dfs(node.left)
dfs(node.right)
dfs(root)
return res
方法二:递归遍历-中序
class TreeNode:
def __init__(self,val=0,left=None,right=None) -> None:
self.val = val
self.right = right
self.left = left
# 中序遍历
class Solution:
def inorderTraversal(self,root:TreeNode) ->List[int]:
res = []
def dfs(node):
if node is None:
return
dfs(node.left)
res.append(node.val)
dfs(node.right)
dfs(root)
return res
方法三:递归遍历-后序
class TreeNode:
def __init__(self,val=0,left=None,right=None) -> None:
self.val = val
self.right = right
self.left = left
# 后序遍历
class Solution:
def postorderTraversal(self,root:TreeNode) ->List[int]:
res = []
def dfs(node):
if node is None:
return
dfs(node.left)
dfs(node.right)
res.append(node.val)
dfs(root)
return res
心得收获
二叉树的迭代遍历
思路
前序遍历(迭代法)
我们先看一下前序遍历。
前序遍历是中左右,每次先处理的是中间节点,那么先将根节点放入栈中,然后将右孩子加入栈,再加入左孩子。
为什么要先加入 右孩子,再加入左孩子呢? 因为这样出栈的时候才是中左右的顺序。
动画如下:
此时会发现貌似使用迭代法写出前序遍历并不难,确实不难。
此时是不是想改一点前序遍历代码顺序就把中序遍历搞出来了?
其实还真不行!
但接下来,再用迭代法写中序遍历的时候,会发现套路又不一样了,目前的前序遍历的逻辑无法直接应用到中序遍历上。
中序遍历(迭代法)
为了解释清楚,我说明一下 刚刚在迭代的过程中,其实我们有两个操作:
- 处理:将元素放进result数组中
- 访问:遍历节点
分析一下为什么刚刚写的前序遍历的代码,不能和中序遍历通用呢,因为前序遍历的顺序是中左右,先访问的元素是中间节点,要处理的元素也是中间节点,所以刚刚才能写出相对简洁的代码,因为要访问的元素和要处理的元素顺序是一致的,都是中间节点。
那么再看看中序遍历,中序遍历是左中右,先访问的是二叉树顶部的节点,然后一层一层向下访问,直到到达树左面的最底部,再开始处理节点(也就是在把节点的数值放进result数组中),这就造成了处理顺序和访问顺序是不一致的。
中序遍历总的逻辑是,一直往左找到不能再找,找的过程中之前的都加入栈中,然后发现到最左下角的节点了,处理并弹出,然后此时将栈顶元素的右孩子加入栈中,再走刚才一直向左的逻辑
那么在使用迭代法写中序遍历,就需要借用指针的遍历来帮助访问节点,栈则用来处理节点上的元素。
动画如下:
后序遍历(迭代法)
再来看后序遍历,先序遍历是中左右,后序遍历是左右中,那么我们只需要调整一下先序遍历的代码顺序,就变成中右左的遍历顺序,然后在反转result数组,输出的结果顺序就是左右中了,如下图:
所以后序遍历只需要前序遍历的代码稍作修改就可以了
方法一:迭代遍历-前序
from typing import List
class TreeNode:
def __init__(self,val=0,left=None,right=None) -> None:
self.val = val
self.right = right
self.left = left
# 前序遍历
class Solution:
def preorderTraversal(self,root:TreeNode) -> List[int]:
if not root:
return []
stack = [root]
result = []
while stack != []:
node = stack.pop()
result.append(node.val)
if node.right:
stack.append(node.right)
if node.left:
stack.append(node.right)
return result
方法二:迭代遍历-中序
# 中序遍历
class Solution:
def postorderTraversal(self,root:TreeNode) -> List[int]:
if not root:
return []
cur = root
stack = []
result = []
while cur or stack:
if cur:
stack.append(cur)
cur = cur.left
else:
node = stack.pop()
result.append(node.val)
cur = cur.right
return result
方法三:迭代遍历-后序
# 后序遍历
class Solution:
def postorderTraversal(self,root:TreeNode) -> List[int]:
if not root:
return []
stack = [root]
result = []
while stack != []:
node = stack.pop()
result.append(node.val)
if node.left:
stack.append(node.right)
if node.right:
stack.append(node.right)
return result.reverse()
心得收获
此时我们用迭代法写出了二叉树的前后中序遍历,大家可以看出前序和中序是完全两种代码风格,并不像递归写法那样代码稍做调整,就可以实现前后中序。
这是因为前序遍历中访问节点(遍历节点)和处理节点(将元素放进result数组中)可以同步处理,但是中序就无法做到同步!
二叉树的统一迭代遍历
- 题目链接:144.二叉树的前序遍历,145.二叉树的后序遍历,94.二叉树的中序遍历
- 文章讲解:代码随想录
思路
我们以中序遍历为例,在二叉树:听说递归能做的,栈也能做!中提到说使用栈的话,无法同时解决访问节点(遍历节点)和处理节点(将元素放进结果集)不一致的情况。
那我们就将访问的节点放入栈中,把要处理的节点也放入栈中但是要做标记。
如何标记呢,就是要处理的节点放入栈之后,紧接着放入一个空指针作为标记。 这种方法也可以叫做标记法。
方法一: 统一迭代遍历-前序
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
result = []
st= []
if root:
st.append(root)
while st:
node = st.pop()
if node != None:
if node.right: #右
st.append(node.right)
if node.left: #左
st.append(node.left)
st.append(node) #中
st.append(None)
else:
node = st.pop()
result.append(node.val)
return result
方法二:统一迭代遍历-中序
class Solution:
def inorderTraversal(self, root: TreeNode) -> List[int]:
result = []
st = []
if root:
st.append(root)
while st:
node = st.pop()
if node != None:
if node.right: #添加右节点(空节点不入栈)
st.append(node.right)
st.append(node) #添加中节点
st.append(None) #中节点访问过,但是还没有处理,加入空节点做为标记。
if node.left: #添加左节点(空节点不入栈)
st.append(node.left)
else: #只有遇到空节点的时候,才将下一个节点放进结果集
node = st.pop() #重新取出栈中元素
result.append(node.val) #加入到结果集
return result
方法三:统一迭代遍历-后序
class Solution:
def postorderTraversal(self, root: TreeNode) -> List[int]:
result = []
st = []
if root:
st.append(root)
while st:
node = st.pop()
if node != None:
st.append(node) #中
st.append(None)
if node.right: #右
st.append(node.right)
if node.left: #左
st.append(node.left)
else:
node = st.pop()
result.append(node.val)
return result
心得收获
迭代法统一代码之后,可能不太好理解,大家可以试着去用笔画出来整个过程,会有清晰的理解。
二叉树的层次遍历
思路
层序遍历一个二叉树。就是从左到右一层一层的去遍历二叉树。这种遍历的方式和我们之前讲过的都不太一样。
需要借用一个辅助数据结构即队列来实现,队列先进先出,符合一层一层遍历的逻辑,而用栈先进后出适合模拟深度优先遍历也就是递归的逻辑。
而这种层序遍历方式就是图论中的广度优先遍历,只不过我们应用在二叉树上。
使用队列实现二叉树广度优先遍历,动画如下:
这样就实现了层序从左到右遍历二叉树。
方法一: 层序遍历
class Solution:
def levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
if not root:
return []
queue = collections.deque([root])
result = []
while queue:
level = []
for _ in range(len(queue)):
cur = queue.popleft()
level.append(cur.val)
if cur.left:
queue.append(cur.left)
if cur.right:
queue.append(cur.right)
result.append(level)
return result
方法二:递归法
class Solution:
def levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
if not root:
return []
levels = []
def traverse(node, level):
if not node:
return
if len(levels) == level:
levels.append([])
levels[level].append(node.val)
traverse(node.left, level + 1)
traverse(node.right, level + 1)
traverse(root, 0)
return levels
心得收获
这一章感觉难度升级,一遍刷过肯定不行,后续还得要加强练习,理解。