二叉树理论基础
二叉树的种类
满二叉树
满二叉树:如果一棵二叉树只有度为0的结点和度为2的结点,并且度为0的结点在同一层上,则这棵二叉树为满二叉树。
完全二叉树
完全二叉树的定义如下:在完全二叉树中,除了最底层节点可能没填满外,其余每层节点数都达到最大值,并且最下面一层的节点都集中在该层最左边的若干位置。若最底层为第 h 层(h从1开始),则该层包含 1~ 2^(h-1) 个节点。
二叉搜索树
前面介绍的树,都没有数值的,而二叉搜索树是有数值的了,二叉搜索树是一个有序树。
- 若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值;
- 若它的右子树不空,则右子树上所有结点的值均大于它的根结点的值;
- 它的左、右子树也分别为二叉排序树
平衡二叉搜索树
平衡二叉搜索树:又被称为AVL(Adelson-Velsky and Landis)树,且具有以下性质:它是一棵空树或它的左右两个子树的高度差的绝对值不超过1,并且左右两个子树都是一棵平衡二叉树。
二叉树的存储方式
二叉树可以链式存储,也可以顺序存储。
顺序存储:
如果父节点的数组下标是 i,那么它的左孩子就是 i * 2 + 1,右孩子就是 i * 2 + 2。
但是用链式表示的二叉树,更有利于我们理解,所以一般我们都是用链式存储二叉树。
二叉树的遍历方式
二叉树主要有两种遍历方式:
- 深度优先遍历:先往深走,遇到叶子节点再往回走。
- 广度优先遍历:一层一层的去遍历。
进一步拓展:
- 深度优先遍历
- 前序遍历(递归法,迭代法)
- 中序遍历(递归法,迭代法)
- 后序遍历(递归法,迭代法)
- 广度优先遍历
- 层次遍历(迭代法)
这里前中后,其实指的就是中间节点的遍历顺序,前中后序指的就是中间节点的位置就。
看如下中间节点的顺序,就可以发现,中间节点的顺序就是所谓的遍历方式
- 前序遍历:中左右
- 中序遍历:左中右
- 后序遍历:左右中
二叉树的定义
二叉树的python定义:
class TreeNode:
def __init__(self, val, left = None, right = None):
self.val = val
self.left = left
self.right = right
二叉树的递归遍历
视频讲解:【二叉树递归路径图解】https://www.bilibili.com/video/BV1Mr4y1C7VZ?vd_source=be0fc400d3bbcf733b914e5ce518001e
文档讲解:一文看懂什么递归(算法小结) - 知乎
递归介绍
在函数中存在着调用函数本身的情况,这种现象就叫递归。
递归的本质是能把问题拆分成具有相同解决思路的子问题,直到最后被拆解的子问题再也不能拆分
递归的要点即是找到更小规模的相同问题
前序遍历
按照递归的三部曲进行分析:
-
确定递归函数的参数和返回值:
- 参数:递归函数需要接收一个二叉树节点作为参数,表示当前递归到的节点。
- 返回值:通常是void,因为前序遍历的目的是输出遍历的结果,不需要返回特定的值。
-
确定递归函数的终止条件:
- 当前节点为空时,递归结束,直接返回。
-
确定每一层递归的逻辑:
- 首先输出当前节点的值,表示前序遍历中当前节点被访问。
- 然后递归遍历当前节点的左子树。
- 最后递归遍历当前节点的右子树。
class Solution:
def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
result = []
def dfs(root):
if root == None:
return
result.append(root.val) #中
dfs(root.left) #左
dfs(root.right)
dfs(root)
return result
后序遍历
-
确定递归函数的参数和返回值:
- 参数:递归函数需要接收一个二叉树节点作为参数,表示当前递归到的节点。
- 返回值:通常是void,因为后序遍历的目的是输出遍历的结果,不需要返回特定的值。
-
确定递归函数的终止条件:
- 当前节点为空时,递归结束,直接返回。
-
确定每一层递归的逻辑:
- 首先递归遍历当前节点的左子树。
- 然后递归遍历当前节点的右子树。
- 最后输出当前节点的值,表示后序遍历中当前节点被访问。
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
result = []
def dfs(root):
if root == None:
return
dfs(root.left) #左
dfs(root.right)#右
result.append(root.val) #中
dfs(root)
return result
中序遍历
中序遍历的原理同上:
- 递归遍历左子树。
- 访问当前节点。
- 递归遍历右子树。
class Solution:
def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
result = []
def dfs(root):
if root == None:
return
dfs(root.left) #左
result.append(root.val) #中
dfs(root.right)#右
dfs(root)
return result
总结
在以上的递归函数中,都是将遍历整棵二叉树的问题分解为遍历左子树和右子树的两个更小规模的相同问题。具体来说:
-
前序遍历递归函数:
- 更小规模的问题:遍历左子树和遍历右子树。
- 分解方式:先访问当前节点,然后递归地遍历左子树和右子树。
-
后序遍历递归函数:
- 更小规模的问题:遍历左子树和遍历右子树。
- 分解方式:先递归地遍历左子树和右子树,然后再访问当前节点。
-
中序遍历递归函数:
- 更小规模的问题:遍历左子树和遍历右子树。
- 分解方式:先递归地遍历左子树,然后访问当前节点,最后递归地遍历右子树。
递归的关键在于将原始问题分解为更小规模的相同问题,然后递归地解决这些子问题,并在适当的时候处理当前节点。这样就可以通过递归的方式依次处理整个树的节点,实现树的遍历。