递归方式
递归遍历较好掌握,仅举例中序遍历方式
二叉树节点数据结构
class TreeNode {
int val;
TreeNode left;
TreeNode right;
TreeNode() {
}
TreeNode(int val) {
this.val = val;
}
TreeNode(int val, TreeNode left, TreeNode right) {
this.val = val;
this.left = left;
this.right = right;
}
}
- 中序遍历
List<Integer> list=new LinkedList<>();
//尤其对于递归,要明白这个黑盒函数作用是什么?这个函数就是中序遍历以root为根节点的树
public void inOrder(TreeNode root) {
//如果来到了一个空节点,直接返回
if (root == null) {
return;
}
//当前节点非空,中序遍历以当前节点的左孩子为根节点的树
inOrder(root.left);
//左孩子树看完了,回来了,那么才可以把当前的根节点加到list里
list.add(root.val);
//中序遍历以当前节点的右孩子为根节点的树
inOrder(root.right);
//再次回来到当前节点的位置
}
对于一个递归函数,一定要理解好它作用是什么?把它作为一个黑盒去用,不要想着递归几层去理解,另外,代码说明中说了几个回到当前节点的几个位置,值得注意!好递归方式整体好掌握,看看非递归方式
非递归方式
说明一下:非递归方式需要依赖栈结构来存储节点
- 中序遍历(先左-当前-后右)
List<Integer> list=new LinkedList<>();
public void inorder(TreeNode root) {
if(root==null){
return;
}
//需要一个栈结构存储节点
Stack<TreeNode> stack = new Stack<>();
TreeNode cur = root;
while (!stack.isEmpty() || cur != null) { //继续条件:栈不空:说明还有节点没处理 或者 当前节点不空说明还有节点没加入栈
if (cur != null) {
//这里是第一次遇到某一个节点,将它加入栈而不处理,因为需要看它的的左孩子树
stack.push(cur);
cur = cur.left;
} else { //如果当前节点为null,需要回到父节点位置
TreeNode node = stack.pop();
//这里说明这个node节点的左孩子树已经处理完毕,又回到了该结点,即处理该节点
list.add(node.val);
//处理完一个节点以后,需要处理其右孩子树
cur = cur.right;
}
}
}
- 前序遍历(当前-再左-后右)
List<Integer> list=new LinkedList<>();
public void preOreder(TreeNode root) {
if(root==null){
return;
}
Stack<TreeNode> stack = new Stack<>();
stack.push(root);
while (!stack.isEmpty()) {
TreeNode cur = stack.pop();
list.add(cur.val); //直接处理当前节点
//完毕之后,需要先处理左孩子,再右孩子
if (cur.right != null) { //由于栈结构的FIFO性质,先加入右孩子
stack.push(cur.right);
}
if (cur.left != null) { //后加入左孩子
stack.push(cur.left);
}
}
}
- 后序遍历(先左-再后-当前)
List<Integer> list=new LinkedList<>();
public void AfterByT(TreeNode root) {
if(root==null){
return;
}
Stack<TreeNode> stack = new Stack<>();
stack.push(root);
TreeNode cur = null;
TreeNode pre = root;//用一个pre来引用上一个做处理的节点
while (!stack.isEmpty()) {
cur = stack.peek();
// 条件1:如果当前节点的左右孩子未作处理(为null的话说明不用处理也即可看做被处理)
if (cur.left != null && cur.left != pre && cur.right != pre) {
//加入左节点到栈中
stack.push(cur.left);
} else if (cur.right != null && pre != cur.right) {//条件2:如果左孩子节点处理了,右节点孩子未作处理
stack.push(cur.right);
} else { //条件3:都已经做了处理或者没有左右节点,就处理当前节点
stack.pop();
list.add(cur.val); //处理节点
pre = cur; //更新pre引用
}
}
}
总结一下:迭代的遍历方式,需要栈结构做辅助,存储节点的相对顺序,理解迭代把自己站在当前节点的位置去考虑,自己的左右孩子如何处理,以及和它们的相对处理顺序。
层序遍历
简单介绍一下:层序遍历就是从上到下,从左到右一层一层地处理二叉树
public void levelSearch(TreeNode root, List<Integer> list) {
if(root==null){
return;
}
Queue<TreeNode> queue = new LinkedList<>();
queue.add(root);
while (!queue.isEmpty()) { //记住有时候一次while循环可以做一层的节点处理,如何做?你可以在循环内加一个for循环,这里没这个需求
//取出并处理当前节点
TreeNode cur = queue.poll();
list.add(cur.val);
// 如果有的话,将该节点的孩子节点加入到队列尾巴上
if (cur.left != null) {
queue.add(cur.left);
}
if (cur.right != null) {
queue.add(cur.right);
}
}
}
说明:层序遍历需要一个队列结构来存储节点信息
Morris遍历
说明:这个遍历可以实现O(1)的空间复杂度,核心在于这个遍历方式利用了二叉树中叶子节点 的大量的空指针做判断。
核心的判断逻辑:
当前节点为cur
one:如果cur没有左孩子,cur向右移动(cur=cur.right)
two:如果cur有左孩子,找到cur左子树最右的节点,记作maxRight
- 1:如果maxRight的right指针指向空,让其指向cur,cur向左移动(cur=cur.left)
- 2:如果maxRight的right指针指向cur,让其指向空,cur向右移动(cur=cur.right)
借用一张图来说明具体的使用
- cur是节点1,发现该节点有左孩子,它左孩子的最右节点5,由于5节点的右孩子为空,所以让5节点右孩子指向1节点,cur左移动到2
- 2节点有左孩子4,4节点的右孩子为空,让4节点的右孩子指向cur即2节点,cur左移到4
- 4节点没有左孩子,cur右移到2(4节点右孩子指向了2)
- 2节点有左孩子4,4节点的右孩子指向了cur,则让它指向空,cur右移到5
- 5节点不存在左孩子,cur向右移动,在第一步里,5的right指向了1,所以回到了1节点
- cur回到1,左子树遍历完毕,1有左孩子,左子树最右5节点的right指针指向1,1节点向右移动到3,5节点的right指向空
- …
中序遍历(为例)
public static void morrisIn(TreeNode head) {
if(head == null){
return;
}
TreeNode cur = head;
TreeNode mostRight = null;
while (cur != null){
mostRight = cur.left;
if(mostRight != null){ //当前节点有左孩子
while (mostRight.right !=null && mostRight.right != cur){
mostRight = mostRight.right;
} //循环找到左孩子的最右节点前一个节点
if(mostRight.right == null){ //判断最右节点的值 ,如果为空
mostRight.right = cur; //指向cur,向左移动
cur = cur.left;
continue; //这里直接下一次循环
}else { //不为空说明
mostRight.right = null;
}
}
System.out.print(cur.val+" ");
cur = cur.right; //当前节点没有左孩子或者有但cur的左孩子最右节点指向cur
}
System.out.println();
}
总结:
算法题目对二叉树的考查,对二叉树的遍历方式要求很高,懂得其中规律很重要!