一、理论基础
1、二叉树的种类
（1）满二叉树
满二叉树：如果一棵二叉树只有度为0的结点和度为2的结点，并且度为0的结点在同一层上，则这棵二叉树为满二叉树。
这棵二叉树为满二叉树，也可以说深度为k，有2^k-1个节点的二叉树。
（2）完全二叉树
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，则该层包含1~2^h-1个节点。
（3）二叉搜索树
前面的树都没有数值的，而二叉搜索树是有数值的，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。
（4）平衡二叉搜索树
平衡二叉搜索树：又被称为AVL树，且具有性质：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。
2、二叉树的存储方式
二叉树可以链式存储，也可以顺序存储。那么链式存储⽅式就⽤指针， 顺序存储的⽅式就是⽤数组。
链式存储：
顺序存储：
3、二叉树的遍历方式
有两种：
a.深度优先遍历：先往深走，遇到叶子节点再往回走。
- 前序遍历：中左右
- 中序遍历：左中右
- 后序遍历：左右中
这里的前中后，其实指的是中间结点的遍历顺序。
b:广度优先遍历：层次遍历
二、二叉树的遍历
1、二叉树的递归遍历
递归算法要确定的三要素：
- 确定递归函数的参数和返回值：确定哪些参数是递归的过程中需要处理的，那么就在递归函数里加上这个参数，并且还要明确每次递归的返回值是什么，进而确定递归函数的返回类型。
- 确定终止条件：写完递归算法，运行的时候，经常会遇到栈溢出的错误，就是没写终止条件或者终止条件写的不对，操作系统也是用一个栈的结构来保存每一层递归的信息，如果递归没有终止，操作系统的内存栈必然会溢出。
- 确定单层递归的逻辑。
前中后序遍历的递归法python代码：
# 前序遍历-递归-LC144_二叉树的前序遍历
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
# 保存结果
result = []
def traversal(root: TreeNode):
if root == None:
return
result.append(root.val) # 前序
traversal(root.left) # 左
traversal(root.right) # 右
traversal(root)
return result
# 中序遍历-递归-LC94_二叉树的中序遍历
class Solution:
def inorderTraversal(self, root: TreeNode) -> List[int]:
result = []
def traversal(root: TreeNode):
if root == None:
return
traversal(root.left) # 左
result.append(root.val) # 中序
traversal(root.right) # 右
traversal(root)
return result
# 后序遍历-递归-LC145_二叉树的后序遍历
class Solution:
def postorderTraversal(self, root: TreeNode) -> List[int]:
result = []
def traversal(root: TreeNode):
if root == None:
return
traversal(root.left) # 左
traversal(root.right) # 右
result.append(root.val) # 后序
traversal(root)
return result力扣上题目是关于前中后序的：
- 144.二叉树的前序遍历
- 145.二叉树的后序遍历
- 94.二叉树的中序遍历
- 589.N叉树的前序遍历
- 590.N叉树的后序遍历
2、二叉树的迭代遍历
也可以用迭代法来解决上面三道题目：因为递归的实现就是每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中，然后递归返回的时候，从栈顶弹出上一次递归的各项参数，所以这就是递归为什么可以返回上一层位置的原因。
（1）前序遍历（迭代法）
前序遍历是中左右，每次先处理的是中间节点，那么先将根节点放入栈中，然后将右孩子加入栈，再加入左孩子。这样出栈的时候才是中左右的顺序。
迭代的过程中，有两个操作：
- 处理：将元素放进result数组中
- 访问：遍历节点
（2）中序遍历
中序遍历和刚才的前序遍历不能通用的原因在于：因为前序遍历的顺序是中左右，先访问的元素是中间节点，要处理的元素也是中间节点。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。那么中序遍历是左中右，先访问的是二叉树顶部的节点，然后一层一层往下访问，直到到达左面的最底部，再开始处理节点（也就是在把节点的数值放进result数组中），这就造成了处理顺序和访问顺序是不一致的。
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。
（3）后序遍历
再来看后序遍历，先序遍历是中左右，后序遍历是左右中，那么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，然后再反转result数组，输出的结果顺序就是左右中了。
前中后序遍历的迭代法python代码：
# 前序遍历-迭代-LC144_二叉树的前序遍历
class Solution:
def preorderTraversal(self, root: TreeNode) -> List[int]:
# 根结点为空则返回空列表
if not root:
return []
stack = [root]
result = []
while stack:
node = stack.pop()
# 中结点先处理
result.append(node.val)
# 右孩子先入栈
if node.right:
stack.append(node.right)
# 左孩子后入栈
if node.left:
stack.append(node.left)
return result
# 中序遍历-迭代-LC94_二叉树的中序遍历
class Solution:
def inorderTraversal(self, root: TreeNode) -> List[int]:
if not root:
return []
stack = [] # 不能提前将root结点加入stack中
result = []
cur = root
while cur or stack:
# 先迭代访问最底层的左子树结点
if cur:
stack.append(cur)
cur = cur.left
# 到达最左结点后处理栈顶结点
else:
cur = stack.pop()
result.append(cur.val)
# 取栈顶元素右结点
cur = cur.right
return result
# 后序遍历-迭代-LC145_二叉树的后序遍历
class Solution:
def postorderTraversal(self, root: TreeNode) -> List[int]:
if not root:
return []
stack = [root]
result = []
while stack:
node = stack.pop()
# 中结点先处理
result.append(node.val)
# 左孩子先入栈
if node.left:
stack.append(node.left)
# 右孩子后入栈
if node.right:
stack.append(node.right)
# 将最终的数组翻转
return result[::-1]3、二叉树的层序遍历
层序遍历一个二叉树，就是从左到右一层一层的去遍历二叉树。需要借助一个辅助数据结构即队列来实现，队列先进先出，符合一层一层遍历的逻辑，而用栈先进后出适合模拟深度优先遍历也就是递归的逻辑。而这种层序遍历方式就是图论中的广度优先遍历，只不过应用在二叉树上。
使用队列实现二叉树广度优先遍历：
层序遍历python代码：
class Solution:
def levelOrder(self, root: TreeNode) -> List[List[int]]:
if not root:
return []
quene = [root]
out_list = []
while quene:
length = len(queue)
in_list = []
for _ in range(length):
curnode = queue.pop(0) # （默认移除列表最后一个元素）这里需要移除队列最头上的那个
in_list.append(curnode.val)
if curnode.left: queue.append(curnode.left)
if curnode.right: queue.append(curnode.right)
out_list.append(in_list)
return out_list力扣上对应题目：
- 102.二叉树的层序遍历
- 107.二叉树的层序遍历II
- 199.二叉树的右视图
- 637.二叉树的层平均值
- 429.N叉树的前序遍历
- 515.在每个树行中找最大值
- 116.填充每个节点的下一个右侧节点指针
- 117.填充每个节点的下一个右侧节点指针II
还有一道非常经典的题目：226.翻转二叉树
4.二叉树的深度
（1）最大深度：
力扣上题目：
- 104.二叉树的最大深度
- 559.N叉树的最大深度
（2）最小深度
力扣上题目：
- 二叉树的最小深度
二叉树总结的思维导图：
三、二叉树所要掌握的技能
1、二叉树的理论基础
二叉树的种类、存储方式、遍历方式、定义方式
2、二叉树的遍历方式
- 深度优先遍历
二叉树：前中后序递归法（递归三要素）
二叉树：前中后序迭代法（通过栈模拟递归）
二叉树：前中后序迭代法（统一风格）
- 广度优先遍历
二叉树的层序遍历：通过队列模拟
3、求二叉树的属性
（1）是否对称
- 递归：后序，比较的是根节点的左子树与右子树是不是相互翻转
- 迭代：使用队列/栈将两个节点顺序放入容器中进行比较
（2）求最大深度
- 递归：后序，求根节点最大高度就是最大深度，通过递归函数的返回值做计算树的高度
- 迭代：层序遍历
（3）求最小深度
- 递归：后序，求根节点最小高度就是最小深度，注意最小深度的定义
- 迭代：层序遍历
（4）求有多少个节点
- 递归：后序，通过递归函数的返回值计算节点数量
- 迭代：层序遍历
（5）是否平衡
- 递归：后序，注意后序求高度和前序求深度，递归过程判断高度差
- 迭代：效率很低，不推荐
（6）找所有路径
- 递归：前序，方便让父节点指向子节点，涉及回溯处理根节点到叶子的所有路径
- 迭代：一个栈模拟递归，一个栈来存放对应的遍历路径
（7）递归中如何隐藏着回溯
（8）求左叶子之和
- 递归：后序，必须三层约束条件，才能判断是否是左叶子
- 迭代：直接模拟后序遍历
（9）求左下角的值
- 递归：顺序无所谓，优先左孩子搜索，同时找深度最大的叶子节点
- 迭代：层序遍历找最后一行最左边
（10）求路径总和
- 递归：顺序无所谓，递归函数返回值为bool类型是为了搜索一条边，没有返回值是搜索整棵树
- 迭代：栈里元素不仅要记录节点指针，还要记录从头节点到该节点的路径数值总和
4、二叉树的修改与构造
（1）翻转二叉树
- 递归：前序，交换左右孩子
- 迭代：直接模拟前序遍历
（2）构造二叉树
- 递归：前序，重点在于找分割点，分左右区间构造
- 迭代：比较复杂，意义不大
（3）构造最大的二叉树
- 递归：前序，分割点为数组最大值，分左右区间构造
- 迭代：比较复杂，意义不大
（4）合并两个二叉树
- 递归：前序，同时操作两个树的节点，注意合并的规则
- 迭代：使用队列，类似层序遍历
5、求二叉搜索树的属性
（1）二叉搜索树中的搜索
- 递归：二叉搜索树的递归是有方向的
- 迭代：因为有方向，所以迭代法很简单
（2）是不是二叉搜索树
- 递归：中序，相当于变成了判断一个序列是不是递增的
- 迭代：模拟中序，逻辑相同
（3）求二叉搜索树的最小绝对差
- 递归：中序，双指针操作
- 迭代：模拟中序，逻辑相同
（4）求二叉搜索树的众数
- 递归：中序，清空结果集的技巧，遍历一遍便可求众数集合
- 迭代：模拟中序，逻辑相同
（5）二叉搜索树转成累加树
- 递归：中序，双指针操作累加
- 迭代：模拟中序，逻辑相同
6、二叉树公共祖先问题
（1）二叉树的公共祖先问题
- 递归：后序、回溯，找到左子树出现目标值，右子树节点目标值的节点
- 迭代：不适合模拟回溯
（2）二叉搜索树的公共祖先问题
- 递归：顺序无所谓，如果节点的数值在目标区间就是最近公共祖先
- 迭代：按序遍历
7、二叉搜索树的修改与构造
（1）二叉搜索树中的插入操作
- 递归：顺序无所谓，通过递归函数返回值添加节点
- 迭代：按序遍历，需要记录插入父节点，这样才能做插入操作
（2）二叉搜索树中的删除操作
- 递归：前序，想清楚删除非叶子节点的情况
- 迭代：有序遍历，较复杂
（3）修剪二叉搜素树
- 递归：前序，通过递归函数返回值删除节点
- 迭代：有序遍历，较复杂
（4）构造二叉搜索树
- 递归：前序，数组中间节点分割
- 迭代：较复杂，通过三个队列来模拟
四、总结
- 涉及到二叉树的构造，无论普通二叉树还是二叉搜索树一定前序，都是先构造中节点
- 求普通二叉树的属性，一般是后序，一般要通过递归函数的返回值做计算
- 求二叉搜索树的属性，一定是中序，要利用有序性
注意在普通二叉树的属性中，一般用后序，例如单纯求深度就用前序，二叉树：找所有路径也用前序，旨在让父节点指向子节点。
403
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
