106. 从中序与后序遍历序列构造二叉树
题目来源:力扣(LeetCode)
https://leetcode-cn.com/problems/construct-binary-tree-from-inorder-and-postorder-traversal
题目
根据一棵树的中序遍历与后序遍历构造二叉树。
注意:
- 你可以假设树中没有重复的元素。
例如,给出
中序遍历 inorder = [9,3,15,20,7]
后序遍历 postorder = [9,15,7,20,3]
返回如下的二叉树:
3
/ \
9 20
/ \
15 7
解题思路
思路:递归
这道题中,主要考察的是如何利用 中序遍历 和 后序遍历 的特性去构造二叉树。其中相似的题目有:
回到这道题,这里先说下 中序遍历 和 后序遍历 的特性:
中序遍历 的输出顺序:左子树 → 根节点 → 右子树;
后序遍历 的输出顺序:左子树 → 右子树 → 根节点。
现在题目中给出 中序遍历 和 后序遍历 两者的输出序列,那么我们就可以根据两者的特性去构造二叉树。具体的思路如下:
- 根据后序遍历的输出顺序,可以确定末尾元素就是根节点;
- 在中序遍历的输出顺序中,根节点左右的序列分别对应左子树和右子树的节点。那么根据后序遍历确定的根节点,在中序遍历的序列中找到根节点对应的位置,进而确定左右子树的节点;
- 当确定左右子树节点时,此时要确定两者在中序遍历和后续遍历序列中的边界;
- 然后递归构造左右子树;
- 递归返回根节点 root。
这里单纯文字可能会有些拗口难懂,这里画出图示来进行理解:
在后序遍历的序列中,找到根节点;
在中序遍历序列中定位根节点的位置,进而确定左右子树的节点;
前面的思路中,还提及到边界的问题。根据前面的图示,我们可以直观看出左右子树的节点。但转换成代码时,我们需要明确一个范围,在这里用的是用索引位置去确定对应的边界。
这里说明下如何用索引位置去确定边界:
后续的文字内容含义:
中序序列 表示中序遍历的输出序列;
后序序列 表示后序遍历的输出序列。
- 先定义变量:
in_left
: 在中序序列中的左边界,初始化为 0;in_right
: 在中序序列中的右边界,初始化为序列末尾索引位置;in_root
: 在中序序列中根节点的位置;post_left
:在后序序列中的左边界,初始化为 0;post_right
:在后序序列中的右边界,初始化为序列末尾索引位置;post_root
:在后序序列中根节点的位置。
- 当确定根节点之后,中序序列中,左右子树的节点分别在根节点的左右两侧,由此确定两者在中序序列的边界:
- 左子树边界:
in_left
:左边界不变;in_right
:右边界这里将变为根节点前一位元素对应的索引位置,也就是in_right = in_root - 1
。
- 右子树边界:
in_left
:左边界这里变为根节点后一位元素对应的索引位置,即in_left = in_root + 1
;in_right
:右边界不变。
- 左子树边界:
- 当中序序列中确定左右子树的边界后,这里还需要确定在后序序列中的边界。因为后序序列输出顺序为左右中,那么只要确定左子树节点的个数,这里就能确定左子树的边界,同样也能进一步确定右子树的边界。
- 先求左子树的节点个数,由中序序列可得:
size_of_left = in_root - in_left
; - 确定后序序列左右子树的边界:
- 左子树边界:
post_left
:保持不变;post_right
:根据中序序列确定的左子树节点个数,那么从左边界开始数,第size_of_left
个节点就是此时的右边界,也就是post_right = post_left + size_of_left - 1
。
- 右子树边界:
post_left
:这里右子树紧跟着左子树,那么左边界也就是左子树右边界的下一个位置,即是post_left + size_of_left
;post_right
:序列末尾元素为根节点,所以此时右子树的右边界为根节点的前一位,也就是post_root - 1
。
- 左子树边界:
这里同样用图示来进一步理解(额外添加一个节点,只为方便说明):
在这里额外提一下,由后序序列得到根节点,要在中序序列中定位其位置。Python list 有内置函数 index(),但是这里查找时间为线性时间,可以考虑使用字典先存储中序序列中元素以及对应的索引位置,这样查找时间就会变为常数时间,也就是利用空间换时间。
以上就是具体的分析内容,具体的代码如下:
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def buildTree(self, inorder: List[int], postorder: List[int]) -> TreeNode:
def build_tree(in_left, in_right, post_left, post_right):
if in_left > in_right:
return
# 后序序列末尾元素就是根节点
post_root = post_right
# 构造节点
root = TreeNode(postorder[post_root])
# 在中序序列定位根节点位置
in_root = inorder_map[root.val]
# size_of_right = in_right - in_root
# 获取中序序列中左子树的节点数
size_of_left = in_root - in_left
# root.left = build_tree(in_left, in_root-1, post_left, post_right-size_of_right-1)
# 递归构建左子树
root.left = build_tree(in_left, in_root-1, post_left, post_left+size_of_left-1)
# root.right = build_tree(in_root+1, in_right, post_right-size_of_right, post_right-1)
# 递归构建右子树
root.right = build_tree(in_root+1, in_right, post_left+size_of_left, post_root-1)
return root
size = len(inorder)
# 先用字典存储中序序列,元素及其对应的索引位置
inorder_map = {}
for i in range(size):
inorder_map[inorder[i]] = i
return build_tree(0, size-1, 0, size-1)
欢迎关注
公众号 【书所集录】