LeetCode数据结构之树
1.树的基本概念
- 树是一种非线性数据结构。
- 树结构的基本单位是节点。
- 节点之间的链接,称为分支(branch)。
- 节点与分支形成树状,结构的开端,称为根(root),或根结点。
- 根节点之外的节点,称为子节点(child)。
- 没有链接到其他子节点的节点,称为叶节点(leaf)。
如下图是一个典型的树结构:
其他重要概念:
- 树的高度:节点到叶子节点的最大值就是其高度。
- 树的深度:高度和深度是相反的,高度是从下往上数,深度是从上往下。因此根节点的深度和叶子节点的高度是 0。
- 树的层:根开始定义,根为第一层,根的孩子为第二层。
- 二叉树,三叉树,。。。 N 叉树,由其子节点最多可以有几个决定,最多有 N 个就是 N 叉树。
2.二叉树
2.1 二叉树概念
二叉树是树结构的一种,两个叉就是说每个节点最多只有两个子节点,我们习惯称之为左节点和右节点。(注意这个只是名字而已,并不是实际位置上的左右)
2.2 二叉树分类
- 完全二叉树
- 满二叉树
- 二叉搜索树
- 平衡二叉树
- 红黑树
- … …
2.3 二叉树存储
- 链表存储
- 数组存储。非常适合完全二叉树
3.二叉树问题解决
一个口诀:
一个中心,两个基本点,三种题型,四个重要概念,七个技巧
3.1 一个中心
树的遍历就是这个中心!!!
- 树的遍历的本质就是去把树里边儿的每个元素都访问一遍。
- 树虽然只能从根开始访问,但是我们可以选择在访问完毕回来的时候做处理,还是在访问回来之前做处理,这两种不同的方式就是后序遍历和先序遍历。
- 树的遍历又可以分为两个基本类型,分别是深度优先遍历和广度优先遍历。这两种遍历方式并不是树特有的,但却伴随树的所有题目。
树的遍历迭代写法——双色标记法
模仿垃圾回收算法之一:三色标记法
即:用白色表示尚未访问;灰色表示尚未完全访问子节点;黑色表示子节点全部访问
双色标记法的核心思想:
- 使用颜色标记节点的状态,新节点为白色,已访问的节点为灰色。
- 如果遇到的节点为白色,则将其标记为灰色,然后将其右子节点、自身、左子节点依次入栈。
- 如果遇到的节点为灰色,则将节点的值输出。
中序遍历的实现:
实际上 WHITE 就表示的是递归中的第一次进入过程,Gray 则表示递归中的从叶子节点返回的过程。 因此这种迭代的写法更接近递归写法的本质。
class Solution:
def inorderTraversal(self, root: TreeNode) -> List[int]:
WHITE, GRAY = 0, 1
res = []
stack = [(WHITE, root)]
while stack:
color, node = stack.pop()
if node is None: continue
if color == WHITE:
stack.append((WHITE, node.right))
stack.append((GRAY, node))
stack.append((WHITE, node.left))
else:
res.append(node.val)
return res
实现前序、后序遍历,也只需要调整左右子节点的入栈顺序即可,其他部分是无需做任何变化。
3.2 两个基本点
深度优先遍历(以下简称 DFS,还可以细分为前中后序遍历)和广度优先遍历(以下简称 BFS,还可以细分为带层的和不带层的),这就是两个基本点。
DFS 适合做一些暴力枚举的题目,DFS 如果借助函数调用栈,则可以轻松地使用递归来实现。
3.2.1 深度优先遍历(DFS)
- 深度优先搜索算法(英语:Depth-First-Search,DFS)是一种用于遍历树或图的算法。
- 沿着树的