二叉树 中序遍历 python_Python3算法之十一：二叉树的中序遍历

本文中所涉及的代码，在未特殊声明的情况下，都是基于Python3程序设计语言编写的。

建议您在PC浏览器中阅读本文，以获得更好的阅读体验。

如果您未掌握知识提要中的内容，建议您先掌握这些内容之后再阅读本文。

知识提要

1、二叉树

2、递归、栈

3、线索二叉树

4、莫里斯遍历

0

问题描述

实现一个函数，给定一棵二叉树，返回二叉树的中序遍历序列。

如果你不了解二叉树，请先前往如下网站了解：

二叉树_百度百科​baike.baidu.com

如果你不了解二叉树的遍历，请先前往如下网站了解：

二叉树遍历_百度百科​baike.baidu.com

本题目来源自力扣算法题库的“第94题：二叉树的中序遍历”。为了方便各位读者验证自己的代码，本文中的代码将采用力扣OJ的格式规范，你可以将本文中的代码直接拷贝并粘贴到力扣的OJ提交框中进行提交和验证，不过我更建议你在理解的基础上，尝试自己去实现。力扣官网的官方解法中，对本文中第一种、第二种和第四种思路进行了详细的介绍，各位也可以先去了解一下。这些都是常用解法，所以本人的思路与官网的基本一致，只是增加了个人的理解和解读。官方解法并没有涉及到本文中第三种解法，它比较直观，但不是一个很好的解法，我会在题解中具体说明。

本文涉及到二叉树的结点，其数据结构定义如下：

class 

二叉树中序遍历的函数原型如下：

def inorderTraversal(root):
    # to be implemented
    # root 的类型为TreeNode
    pass

1

递归遍历

递归实现是最简单，最好理解的实现方式，我将假设你能理解递归实现的原理。我们先从递归实现开始，然后根据递归实现的原理，推导出下一个实现方式的思路。

class Solution:
    @staticmethod
    def  recursiveVisit(root, result):
        if not root:
            return
          
        Solution.recursiveVisit(root.left, result)  # 行7 
        result.append(root.val)                     # 行8
        Solution.recursiveVisit(root.right, result) # 行9
        
    def inorderTraversal(self, root):
        result = []
        Solution.recursiveVisit(root, result)
        return result

2

基于栈的遍历

注意观察递归实现的和7、8、9行代码。

• 第7行代码递归遍历tree的左子树，其效果是不停的将子孙后代的左子树压栈，直到某个后代结点没有左子树；然后开始出栈。
• 第8行代码是将栈顶元素的值入到结果列表中；由于我们已经遍历了栈顶元素的所有子结，由于是中序遍历，所以此时可以将栈顶元素的值放到结果中去。
• 第7行是对栈顶的右子树重复第7和第8行的操作。

模仿上面的思路，我们可以维护自己的栈，从而避免了使用递归函数。

class Solution:
    def inorderTraversal(self, root):
        result = []
        stack = []

        cur = root
        while cur or stack:
            while cur:
                stack.append(cur)
                cur = cur.left

            cur = stack.pop()
            result.append(cur.val)
            cur = cur.right
        
        return result

3

基于栈的根结点标记法

通过如下的步骤，也可以达到遍历二叉树的效果：

0、将根结点放入栈中

1、如果栈不为空，跳到第3步；否则二叉树遍历结束。

2、被弹出的栈顶结点代码一个子树的根结点，根据栈先进后出的特性，由于右子树最后遍历，我们先将右子树放入栈中，然后将“根结点”放入栈中，最后将最先遍历的左子树放入栈中。跳到第1步。

3、将栈顶弹出，如果它是空结点，回到第1步；如果它一个“根结点”，则将值放到结果中去；否则它代表一棵树（某棵子树）。跳到第2步。

在第2步中，我们注意到，左右结点是代表左右子树的形式入栈，而“根结点”是代表值的形式入栈，所以当“根结点”出栈时，就说明左子树已经遍历完毕，我们就需要将“根结点”的值放到结果中去。但由“根结点”，左右子树，都是以TreeNode的形式存在。也就是说一个TreeNode可以表示一个结点，也可以表示一个子树。所以在入栈时，我们需要知道某个结点，是代表一个值入栈，还是代表一棵子树入栈。在入栈时，我们加入一个标识位就可以了。

class Solution:
    def inorderTraversal(self, root):
        result = []
        if not root:
            return result

        stack = [(False, root)]
        while stack:
            is_root, node = stack.pop()
            if not node: continue
            if is_root:
                result.append(node.val)
            else:
                stack.append((False, node.right)) # 行14
                stack.append((True, node))        # 行15
                stack.append((False, node.left))  # 行16

        return result

这个解法的好处就是，对先序、中序和后序遍历，总是可以写出类似的代码，例如只要交换15行和16行的代码，就变成了先序遍历了。

坏处就是，每个结点分别会代码子树和值被入栈两次；在第2个解法中，每个结点只会入栈一次。

4

Morris遍历（莫里斯遍历）

在理解这个解法之前，你可以需要事先掌握如下的知识点：

线索二叉树

线索二叉树_百度百科​baike.baidu.com

莫里斯遍历

二叉树的莫里斯遍历​www.jianshu.com

总结一下莫里斯遍历的特点，就是：

1、如果一个结点有左子树，则将这个结点放在它的左子树的最右后代结点上；

2、否则，如果结点没有左子树，则将这个结点输出，并对其右子树进行第1步的操作。

class Solution:
    def inorderTraversal(self, root):
        result = []
        if not root:
            return result
        
        curr = root
        while curr:
            if curr.left:
                right_most = curr.left
                while right_most.right:
                    right_most = right_most.right

                right_most.right = curr
                tmp = curr
                curr = curr.left
                tmp.left = None
            else:
                result.append(curr.val)
                curr = curr.right

        return result

---

微信扫码关注我哦