105. 从前序与中序遍历序列构造二叉树

题解

相关知识点

(1) 二叉树的四种遍历方式：

(2) 图解二叉树遍历（节点遍历顺序1~5）：

方法一：递归

思路

对于任意一棵树而言，前序遍历的形式总是：

[根节点，左子树的前序遍历，右子树的前序遍历]

即根节点总是前序遍历的第一个节点，而中序遍历的形式总是：

[左子树的中序遍历，根节点，右子树的中序遍历]

只要我们在中序遍历中定位到根节点的位置，那么我们便可以分别知道左子树和右子树中节点的数目。由于同一颗子树中的前序遍历和中序遍历的长度是相同的，那么我们便可以对应到前序遍历的结果中，对上述形式的所有左右括号进行定位。
这样我们便知道了左子树的前序遍历和中序遍历结果，以及右子树的前序遍历和中序遍历结果，那么我们便可以递归的构造左子树和右子树，再将这两颗子树连接到根节点的左右位置。

细节

在中序遍历中对根节点进行定位时，一种简单的方法是直接扫描整个中序遍历的结果并找出根节点，但这样做的时间复杂度较高。我们可以考虑使用哈希映射（hashmap）来快速的定位根节点位置。对于哈希映射中的每个键值对，键表示一个元素（节点的值），值表示中序遍历中节点的位置。在构造二叉树之前，我们先对中序遍历进行一遍扫描，这样就可以构造出哈希映射。在此后构造二叉树的过程中，我们只需要O(1)时间便可以定位根节点的位置。

Code

cpp

class Solution {
private:
    unordered_map<int, int> index;

public:
    TreeNode* myBuildTree(const vector<int>& preorder, const vector<int>& inorder, int preorder_left, int preorder_right, int inorder_left, int inorder_right) {
        if (preorder_left > preorder_right) {
            return nullptr;
        }
        
        // 前序遍历中的第一个节点就是根节点
        int preorder_root = preorder_left;
        // 在中序遍历中定位根节点
        int inorder_root = index[preorder[preorder_root]];
        
        // 先把根节点建立出来
        TreeNode* root = new TreeNode(preorder[preorder_root]);
        // 得到左子树中的节点数目
        int size_left_subtree = inorder_root - inorder_left;
        // 递归地构造左子树，并连接到根节点
        // 先序遍历中「从 左边界+1 开始的 size_left_subtree」个元素就对应了中序遍历中「从 左边界 开始到 根节点定位-1」的元素
        root->left = myBuildTree(preorder, inorder, preorder_left + 1, preorder_left + size_left_subtree, inorder_left, inorder_root - 1);
        // 递归地构造右子树，并连接到根节点
        // 先序遍历中「从 左边界+1+左子树节点数目 开始到 右边界」的元素就对应了中序遍历中「从 根节点定位+1 到 右边界」的元素
        root->right = myBuildTree(preorder, inorder, preorder_left + size_left_subtree + 1, preorder_right, inorder_root + 1, inorder_right);
        return root;
    }

    TreeNode* buildTree(vector<int>& preorder, vector<int>& inorder) {
        int n = preorder.size();
        // 构造哈希映射，帮助我们快速定位根节点
        for (int i = 0; i < n; ++i) {
            index[inorder[i]] = i;
        }
        return myBuildTree(preorder, inorder, 0, n - 1, 0, n - 1);
    }
};

python

class Solution:
    def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
        def myBuildTree(preorder_left: int, preorder_right: int, inorder_left: int, inorder_right: int):
            if preorder_left > preorder_right:
                return None
            
            # 前序遍历中的第一个节点就是根节点
            preorder_root = preorder_left
            # 在中序遍历中定位根节点
            inorder_root = index[preorder[preorder_root]]
            
            # 先把根节点建立出来
            root = TreeNode(preorder[preorder_root])
            # 得到左子树中的节点数目
            size_left_subtree = inorder_root - inorder_left
            # 递归地构造左子树，并连接到根节点
            # 先序遍历中「从 左边界+1 开始的 size_left_subtree」个元素就对应了中序遍历中「从 左边界 开始到 根节点定位-1」的元素
            root.left = myBuildTree(preorder_left + 1, preorder_left + size_left_subtree, inorder_left, inorder_root - 1)
            # 递归地构造右子树，并连接到根节点
            # 先序遍历中「从 左边界+1+左子树节点数目 开始到 右边界」的元素就对应了中序遍历中「从 根节点定位+1 到 右边界」的元素
            root.right = myBuildTree(preorder_left + size_left_subtree + 1, preorder_right, inorder_root + 1, inorder_right)
            return root
        
        n = len(preorder)
        # 构造哈希映射，帮助我们快速定位根节点
        index = {element: i for i, element in enumerate(inorder)}
        return myBuildTree(0, n - 1, 0, n - 1)

方法二：迭代

思路

迭代法是一种非常巧妙的实现方法。

对于前序遍历中的任意两个连续节点 u 和 v，根据前序遍历的流程，我们可以知道 u 和 v 只有两种可能的关系：

• v 是 u 的左儿子。这是因为在遍历到 u 之后，下一个遍历的节点就是 u 的左儿子，即 v；

• u 没有左儿子，并且 v 是 u 的某个祖先节点（或者 u 本身）的右儿子。如果 u 没有左儿子，那么下一个遍历的节点就是 u 的右儿子。如果 u 没有右儿子，我们就会向上回溯，直到遇到第一个有右儿子（且 u 不在它的右儿子的子树中）的节点 u_a ，那么 v 就是 u_a 的右儿子。

算法

算法流程：

• 我们用一个栈 $stack$ 和一个指针 $index$ 辅助进行二叉树的构造。初始时栈中存放了根节点（前序遍历的第一个节点），指针指向中序遍历的第一个节点；

• 我们依次枚举前序遍历中除了第一个节点以外的每个节点。如果 $index$ 恰好指向栈顶节点，那么我们不断地弹出栈顶节点并向右移动 $index$，并将当前节点作为最后一个弹出的节点的右儿子；如果 $index$ 和栈顶节点不同，我们将当前节点作为栈顶节点的左儿子；

• 无论是哪一种情况，我们最后都将当前的节点入栈。

最后得到的二叉树即为答案。

Code

cpp

class Solution {
public:
    TreeNode* buildTree(vector<int>& preorder, vector<int>& inorder) {
        if (!preorder.size()) {
            return nullptr;
        }
        TreeNode* root = new TreeNode(preorder[0]);
        stack<TreeNode*> stk;
        stk.push(root);
        int inorderIndex = 0;
        for (int i = 1; i < preorder.size(); ++i) {
            int preorderVal = preorder[i];
            TreeNode* node = stk.top();
            if (node->val != inorder[inorderIndex]) {
                node->left = new TreeNode(preorderVal);
                stk.push(node->left);
            }
            else {
                while (!stk.empty() && stk.top()->val == inorder[inorderIndex]) {
                    node = stk.top();
                    stk.pop();
                    ++inorderIndex;
                }
                node->right = new TreeNode(preorderVal);
                stk.push(node->right);
            }
        }
        return root;
    }
};

python

class Solution:
    def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
        if not preorder:
            return None

        root = TreeNode(preorder[0])
        stack = [root]
        inorderIndex = 0
        for i in range(1, len(preorder)):
            preorderVal = preorder[i]
            node = stack[-1]
            if node.val != inorder[inorderIndex]:
                node.left = TreeNode(preorderVal)
                stack.append(node.left)
            else:
                while stack and stack[-1].val == inorder[inorderIndex]:
                    node = stack.pop()
                    inorderIndex += 1
                node.right = TreeNode(preorderVal)
                stack.append(node.right)

        return root

参考：

1. 从前序与中序遍历序列构造二叉树
2. Python 递归详解
3. 105题】从前序与中序遍历序列构造二叉树

附：python 打印二叉树

def print_tree_mid(root):
    """
    中序遍历打印二叉树节点值
    :param root: 根节点
    :return: None
    """
    if type(root) == TreeNode:
        print_tree(root.left)
        print(root.val)
        print_tree(root.right)
        
 def print_tree_front(root):
    """
    前序遍历打印二叉树节点值
    :param root: 根节点
    :return: None
    """
    if type(root) == TreeNode:
   		print(root.val)
        print_tree(root.left)
        print_tree(root.right)