二叉树理论
二叉树的种类
满二叉树:如果一颗二叉树只有度为0的结点和度为2的结点,并且度为0的结点在同一层上,则这颗二叉树为满二叉树
完全二叉树: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: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: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
可以链式存储,即使用链表;也可以顺序存储,即使用数组
二叉树遍历方式
深度优先遍历:先往深走,遇到叶子节点再往回走
- 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:一层一层的去遍历
- 层次遍历(迭代法)
二叉树的定义
class TreeNode:
def __init__(self, val, left = None, right = None):
self.val = val
self.left = left
self.right = right
二叉树深度优先遍历
本次不按照题目分别写题解,而是分为不同的方法同时写三种顺序遍历
递归遍历
写递归的三要素
- 参数和返回值
- 终止条件
- 单层逻辑
前序遍历
class Solution:
def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
res = []
self.traversal(res, root)
return res
def traversal(self, res, cur):
if not cur:
return
res.append(cur.val)
self.traversal(res, cur.left)
self.traversal(res, cur.right)
后序遍历
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
res = []
self.traversal(res, root)
return res
def traversal(self, res, cur):
if not cur:
return
self.traversal(res, cur.left)
self.traversal(res, cur.right)
res.append(cur.val)
中序遍历
class Solution:
def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
res = []
self.traversal(res, root)
return res
def traversal(self, res, cur):
if not cur:
return
self.traversal(res, cur.left)
res.append(cur.val)
self.traversal(res, cur.right)
有更简洁的写法,但是没上面的好理解
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
if not root:
return []
left = self.preorderTraversal(root.left)
right = self.preorderTraversal(root.right)
return [root.val] + left + right
迭代遍历
前序遍历迭代法
class Solution:
def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
res = []
if not root:
return res
stack = [root]
while stack:
cur = stack.pop()
res.append(cur.val)
if cur.right:
stack.append(cur.right)
if cur.left:
stack.append(cur.left)
return res
中序遍历
因为前序遍历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。而中序遍历是左中右,先访问二叉树顶部的节点,然后一层层向下访问,直到到达树左边的最底部,再开始处理节点,这就造成了访问顺序和处理顺序不一致
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。
class Solution:
def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
res = []
stack = []
cur = root
while cur or stack:
if cur:
stack.append(cur)
cur = cur.left
else:
cur = stack.pop()
res.append(cur.val)
cur = cur.right
return res
后序遍历,先序遍历是中左右,后续遍历是左右中,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
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 中右左,反转之后 左右中即后序遍历
res = []
if not root:
return res
stack = [root]
while stack:
cur = stack.pop()
res.append(cur.val)
if cur.left:
stack.append(cur.left)
if cur.right:
stack.append(cur.right)
res.reverse()
return res
统一迭代
二叉树的统一迭代法
中序遍历时只使用栈的话,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。
后序遍历
class Solution:
def postorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 后序遍历左右中,统一写法,空指针标记法
res = []
stack = []
if root:
stack.append(root)
while stack:
cur = stack.pop()
if cur:
stack.append(cur)
stack.append(None)
if cur.right:
stack.append(cur.right)
if cur.left:
stack.append(cur.left)
else:
res.append((stack.pop()).val)
return res
先序遍历
class Solution:
def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 先序遍历 中左右,统一迭代写法,空指针标记法
res = []
stack = []
if root:
stack.append(root)
while stack:
cur = stack.pop()
if cur:
if cur.right:
stack.append(cur.right)
if cur.left:
stack.append(cur.left)
stack.append(cur)
stack.append(None)
else:
res.append((stack.pop()).val)
return res
中序遍历
class Solution:
def inorderTraversal(self, root: Optional[TreeNode]) -> List[int]:
# 中序遍历 左中右,统一迭代写法,空指针标记法
res = []
stack = []
if root:
stack.append(root)
while stack:
cur = stack.pop()
if cur:
if cur.right:
stack.append(cur.right)
stack.append(cur)
stack.append(None)
if cur.left:
stack.append(cur.left)
else:
res.append((stack.pop()).val)
return res