链表弄的有点明白后,我就想对树也速成一下。树一般都是迭代,我总是搞不清逻辑,不知道迭代终止条件咋写,以及,迭代中间的计算到底咋实现的。今天打算就补补树的逻辑。
1.计算树的高度
这是一棵树:
正常情况下按照咱们大脑的想法:
- 1)算 A 的左右子树高度,返回他俩中 最大的那个数,加上1返回。
- 2)算 A 的 左子树高度,算 A 的右子树高度。
- 3)A 的左子树 B 的高度 --> B 的左右子树高度,返回他俩中 最大的那个数,加上1
- A 的右子树 C 的高度 --> C 的左右子树高度,返回他俩中 最大的那个数,加上1
- 4)算 B 的左子树高度,算 B 的右子树高度
- 算 C 的左子树高度,算 C 的右子树高度
- 5)..........
- n)一直算到叶子节点的左子树右子树为空的情况,那么叶子节点的右子树左子树的高度应该为 0,叶子节点的高度就是max(0,0)+1=1。
发现1)的结果依赖于2),2)的结果依赖于3),n-1)的结果依赖于 n),而只有到n)的时候才能算出实际值,推出n-1),....,1)。然后返回1)的结果,算出整个树的高度。
其实这就是个迭代过程,整个过程中,需要明确的是:
- 迭代关系:某个节点的高度 = max( leftHeight, rightHeight)+1
- 迭代终止条件即能求出实际值的最小单元(叶子节点的左右节点):if node==null: return 0
所以求一颗树的高度的代码就出来了:
题目来源:https://leetcode-cn.com/problems/er-cha-shu-de-shen-du-lcof/
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def maxDepth(self, root: TreeNode) -> int:
if not root: return 0 # 迭代最小单元/终止条件
return max(maxDepth(root.right),maxDepth(root.left))+1 #迭代关系
2.判断是否是平衡二叉树
平衡二叉树:平衡二叉树一般指平衡树。平衡树(Balance Tree,BT) 指的是,任意节点的左右子树的高度差都小于等于1。
题目:https://leetcode-cn.com/problems/ping-heng-er-cha-shu-lcof/
输入一棵二叉树的根节点,判断该树是不是平衡二叉树。如果某二叉树中任意节点的左右子树的深度相差不超过1,那么它就是一棵平衡二叉树。
解读:判断是否是平衡二叉树的本质也是求解树的高度问题,只不过最后需要比较下是不是深度不超过1。
正常情况下按照咱们大脑的想法:
- 1)判断节点 A 是否满足条件,分别计算 A 的左右子树高度,计算他俩之间的差值的绝对值,如果>1,return False。
- 2)计算 B 的高度,并判断节点 B 是否满足条件。
- 满足条件,返回heightB,不满足,返回一个特定标签代表不满足条件
- 计算 C 的高度,并判断节点 C 是否满足条件。
- 满足条件,返回heightC,不满足,返回一个特定标签代表不满足条件
- 3)..........
- n)一直算到叶子节点的左子树右子树为空的情况,那么叶子节点的右子树左子树的高度应该为 0,叶子节点满足平衡二叉树节点的要求,返回叶子节点的高度 1。
----------------------先吃饭,今天中午笋尖酸辣粉。好吧,其实我并不饿,甚至还想吐。
我回来啦---------------------------
所以上面这个过程的:
- 迭代关系:满足条件,返回heightB,不满足,返回一个特定标签代表不满足条件
- 迭代终止条件:if node==null: return 0
我们把特定标签设置为-1,因为如果满足条件返回高度的话一定>=0的。
代码如下:
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def isBalanced(self, root: TreeNode) -> bool:
def height(node):
if not node: return 0 #迭代 终止条件(可计算最小单位)
heightR = height(node.right) #计算右子树高度
if heightR == -1: return -1 #如果右子树的根节点不满足条件直接返回-1
heightL = height(node.left) #计算左子树高度
if heightL == -1: return -1 #如果左子树的根节点不满足条件直接返回-1
# 判断当前节点是否满足条件,满足返回高度,不满足返回-1
if abs(heightR-heightL)<=1: return max(heightL,heightR)+1
else: return -1
return height(root)!=-1
其实这道题的变形就是在计算高度时加了个条件,如果节点满足某种条件我再返回真实高度,如果不满足,返回特定标签。
其实这两个题,发现没,计算高度,都是自底向上的。
3.根据树的前序遍历和中序遍历结果重建二叉树
题目:输入某二叉树的前序遍历和中序遍历的结果,请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6},则重建二叉树并返回。
题目链接: 重建二叉树_牛客网
思路:前序遍历的第一位 1 是根节点,找到中序遍历中的1,那么 1 左边的是左子树的内容,右边的是右子树的内容。所以每次取出根节点,然后把左右子树分好去迭代就行。
- 终止条件/可求解的最小单元:前序遍历里没有数据了,遍历完全,返回节点None
- 迭代关系:
root.right = recur(right_pre, right_tin)
root.right = recur(right_pre, right_tin)
每次返回 root即可
代码:
# -*- coding:utf-8 -*-
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
# 返回构造的TreeNode根节点
def reConstructBinaryTree(self, pre, tin):
if not pre: return None #终止条件,可求解最小单元
root = TreeNode(pre[0])
root_index = tin.index(root.val)
pre_left,pre_right = pre[1:1+root_index],pre[1+root_index:]
tin_left,tin_right = tin[:root_index],tin[root_index+1:]
root.left = self.reConstructBinaryTree(pre_left,tin_left)
root.right = self.reConstructBinaryTree(pre_right, tin_right)
return root
也是,自底向上的建立二叉树,所以每次返回的root,是从叶子节点一点一点向上返回的,所以最终返回的root就是根节点。
4.输出二叉树的镜像树
题目:操作给定的二叉树,将其变换为源二叉树的镜像。
链接:二叉树的镜像_牛客网
这个比上面那个前序和中序遍历结果重建树还要简单,因为不需要找根节点在哪,不需要判断左右子树部分的数据。依旧迭代。
- 终止条件/可求解的最小单元:前序遍历里没有数据了,遍历完全,返回节点None
- 迭代关系:
new_root.right = recur(root.left)
new_root.left = recur(root.right)
每次返回 new_root 即可
于是我开始写出了这样的代码,看起来是如此的美好:
# -*- coding:utf-8 -*-
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
# 返回镜像树的根节点
def Mirror(self, root):
# write code here
if not root: return None
mi_root = TreeNode(root.val)
mi_root.left = self.Mirror(root.right)
mi_root.right = self.Mirror(root.left)
return mi_root
但是可是当他运行起来,是酱婶儿的:
那这样,我就很难受了啊。哎,桥豆麻袋,我的结果里实际输出=用例输出???难道是想要原地改变吗???我是新开辟了空间耶。于是我改了改:
# -*- coding:utf-8 -*-
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
# 返回镜像树的根节点
def Mirror(self, root):
# write code here
if not root: return None
temp = self.Mirror(root.left)
root.left = self.Mirror(root.right)
root.right = temp
return root
结果ac了,不要问我:
- 为什么没有mi_root = TreeNode(root.val)类似的那一步赋值根节点的操作了?
因为,原地修改啊,他的根节点数值就是他自己,再赋值不是画蛇添足嘛。 - 为什么要有个temp?
因为,没有temp,root.left的值就被覆盖了,获取不到了啊
总结:好好的题目,为什么 就不强调下需要原地修改。害。我不管上面非原地修改的我也验证不了,我就默认是没有问题的。
5.二叉树的前中后序遍历
哈哈哈哈这个过程有点搞笑,事情是这样的,我本来想做下面这道题的,结果突然发现自己get了前中后序遍历的结果,笑死。过程如下:
题目:从上往下打印出二叉树的每个节点,同层节点从左至右打印。
题目链接:从上往下打印二叉树_牛客网
这题就有点意思,我一看这不简单嘛,不就是个迭代遍历,打印吗?那我肯定迭代中print啊,于是,我写出了这样的代码:
# -*- coding:utf-8 -*-
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
# 返回从上到下每个节点值列表,例:[1,2,3]
def PrintFromTopToBottom(self,root):
# write code here
if not root: return None
print(root.val)
self.PrintFromTopToBottom(root.left)
self.PrintFromTopToBottom(root.right)
多切合题意啊,题目中要求:
- 从上到下 --> 我直接拿到root,就print(root.val)
- 从左到右 --> 我先加左节点,再加右节点
- 打印二叉树 --> 我print
看起来是不是有理有据,都要切合题目切合的都感动了呢。我就美滋滋的去运行了。结果:害,天不随人愿啊。我不明白啊,我真的不明白啊,因为牛客网总没有示例,我就跑去leetcode搜了搜同题,因为都是剑指offer上的题,两个网站上都有,于是,我在leetcode上看到的题目是这样的:
这,好像要求返回list?而不是我认为的诚实的打印print???哈哈哈想哭,然后我又看到leetcode给的代码框架,这样的:
人家直接表明了需要返回的类型啊,这多直接了当啊。害,牛客网你学学要不???
于是我改了改代码,找个全局变量res存一下数据,再返回:
# -*- coding:utf-8 -*-
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
# 返回从上到下每个节点值列表,例:[1,2,3]
def __init__(self):
self.res = []
def PrintFromTopToBottom(self,root):
# write code here
self.recur(root)
return self.res
def recur(self,root):
if not root: return None
self.res.append(root.val)
self.recur(root.left)
self.recur(root.right)
结果是这样的:
咦,为啥不对呢?我思考了片刻,我这个先左子树再右子树貌似是 前序遍历的结果???emmm,所以我一直求的是前序遍历耶,,,有没有前序遍历的题让我验证一下,我随手搜了一下,然后吧,还真有:https://leetcode-cn.com/problems/binary-tree-preorder-traversal/submissions/
结果就通了呢,真emmm无心插柳???
所以。。。我竟然会写前序遍历的代码了。。那中序呢,题目链接:https://leetcode-cn.com/problems/binary-tree-inorder-traversal/submissions/
只要recur和append调个顺序就可以了吧,先迭代左子树,再加入根节点,代码这样婶儿:
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def __init__(self):
self.res = []
def inorderTraversal(self, root: TreeNode) -> List[int]:
self.recur(root)
return self.res
def recur(self,root):
if not root: return None
self.recur(root.left) #左子树
self.res.append(root.val) #根节点
self.recur(root.right) #右子树
emmm过了,我可真是个机灵鬼,那么后序遍历??https://leetcode-cn.com/problems/binary-tree-postorder-traversal/submissions/
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def __init__(self):
self.res = []
def postorderTraversal(self, root: TreeNode) -> List[int]:
self.recur(root)
return self.res
def recur(self,root):
if not root: return None
self.recur(root.left) #左子树
self.recur(root.right) #右子树
self.res.append(root.val) #根节点
emmm过了,哈哈哈哈这是个什么操作啊,笑死我了。所以我会写前中后序遍历结果了。。然后我又突然看到leetcode的一个温馨提示:
emmm我开始思考,我好像并不知道他俩有啥区别,我甚至以为他俩是一个。于是,搜搜呗,得到:
- 迭代:利用变量的原值推出新值称为迭代,或着说迭代是函数内某段代码实现循环;
- 递归:重复调用函数自身实现循环称为递归;
- 两者关系:所有的迭代可以转换为递归,但递归不一定可以转换成迭代。
吼吼吼,所以我上面的都是递归,不能叫迭代哦,我都是函数调用自己实现的,哈哈哈为什么不把上面的改一下呢,并不是因为我懒,我只是想把这个过程体现出来,真的不是因为我懒,不是因为我懒,重要的事情说三遍。
所以,这个前中后序遍历,要如何通过迭代来实现呢?这道题我会哈哈哈哈。
前序遍历,我上来就这么写了(注意下面是错误的):
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
if not root: return []
res, q = [], [root]
while q:
temp = q.pop(0)
if temp:
res.append(temp.val)
if temp.left: q.append(temp.left)
if temp.right: q.append(temp.right)
return res
每次取root列表q的第一项值,先加根节点,然后加左节点,然后右节点。看起来完美。运行-->报错,fine。呵呵,果然没让我失望。举个例子为什么这么操作会错,针对下面这个树,根据上面的代码,其运行流程是:
所以,最终输出是[A,B,C,D,E,F,G,H],但是其正确的前序输出是:[A,B,D,C,E,F,G,H]
问题出在哪里呢?就看D和C的顺序,按照先序遍历的规则的话,D是A的左子树,那肯定在C之前,但是我的代码,因为C先加入的,所以先把C拿出来了,所以不对。那么怎么改呢?下面这个代码就是先加右子树,pop出q的最后一个,就很神奇就过了,我一下子没反应过来,再走个流程看看:
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
if not root: return []
q, res = [root,],[]
while q:
temp = q.pop()
if temp:
res.append(temp.val)
if temp.right: q.append(temp.right)
if temp.left: q.append(temp.left)
return res
流程如下,发现最终输出的res就正确了。
应该猜得出来,我已经混乱了现在。即使流程都出来了,我还是没能准确的反应出来,区别在哪里。我在等大佬指点。。我先去干点别的吧。。
大佬指点:
- pop(0) 是实现了队列的功能(先进先出)
- pop() 是实现了栈的功能(后进先出)
- 先右后左,pop() 可以确保左子树的某个节点被弹出分析后,加入的下一个节点还是左子树的子节点。(啊啊啊我这说什么,这一条不要看)
反正记住用栈就是对了!!!然后分析一下栈的后进先出特点,就知道先进哪个了!
所以,让我们用迭代的方法写一下中序遍历:
............写不出来.......瞄一眼别人的,人家写的可真好看啊。七个小时前发布。还热乎:https://leetcode-cn.com/problems/binary-tree-inorder-traversal/solution/jie-yong-zhan-shi-xian-er-cha-shu-de-zhong-xu-bian/
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def inorderTraversal(self, root: TreeNode) -> List[int]:
stack, ans = [],[]
while root or stack:
while root:
stack.append(root)
root = root.left
root = stack.pop()
ans.append(root.val)
root = root.right
return ans
至于读懂代码思路,官方题解链接这个迭代图示挺好的:https://leetcode-cn.com/problems/binary-tree-inorder-traversal/solution/er-cha-shu-de-zhong-xu-bian-li-by-leetcode/
我估计,我还是写不出来下次........
那么后序遍历呢....leetcode上的难度标识是hard....https://leetcode-cn.com/problems/binary-tree-postorder-traversal/
和前序遍历代码就很像:(脑细胞不够用了都)
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
#迭代
def postorderTraversal(self, root: TreeNode) -> List[int]:
if not root: return []
q,res = [root],[]
while q:
s = q.pop()
res.append(s.val)
if s.left: q.append(s.left)
if s.right: q.append(s.right)
return res[::-1]
见到我记得喊我写二叉树的前中后遍历迭代写法代码,我脑子现在罢工了已经。我需要休息。