代码随想录算法训练营第十三天 | 二叉树系列4

617 合并二叉树

本题本质上是,同时遍历两颗二叉树,遍历操作可以选择递归。对于本题来说,遍历的顺序,前中后序均可。

本题递归代码在编写的时候,要注意返回条件的编写。

如果采用迭代法的话,在前面写过一道,判断二叉树是否对称的题目,也是同时遍历两个子树,使用的是基于队列的层序遍历。

重点

代码随想录的代码

(版本一) 递归 - 前序 - 修改root1

class Solution:
    def mergeTrees(self, root1: TreeNode, root2: TreeNode) -> TreeNode:
        # 递归终止条件: 
        #  但凡有一个节点为空, 就立刻返回另外一个. 如果另外一个也为None就直接返回None. 
        if not root1: 
            return root2
        if not root2: 
            return root1
        # 上面的递归终止条件保证了代码执行到这里root1, root2都非空. 
        root1.val += root2.val # 中
        root1.left = self.mergeTrees(root1.left, root2.left) #左
        root1.right = self.mergeTrees(root1.right, root2.right) # 右
        
        return root1 # ⚠️ 注意: 本题我们重复使用了题目给出的节点而不是创建新节点. 节省时间, 空间. 

(版本二) 递归 - 前序 - 新建root

class Solution:
    def mergeTrees(self, root1: TreeNode, root2: TreeNode) -> TreeNode:
        # 递归终止条件: 
        #  但凡有一个节点为空, 就立刻返回另外一个. 如果另外一个也为None就直接返回None. 
        if not root1: 
            return root2
        if not root2: 
            return root1
        # 上面的递归终止条件保证了代码执行到这里root1, root2都非空. 
        root = TreeNode() # 创建新节点
        root.val += root1.val + root2.val# 中
        root.left = self.mergeTrees(root1.left, root2.left) #左
        root.right = self.mergeTrees(root1.right, root2.right) # 右
        
        return root # ⚠️ 注意: 本题我们创建了新节点. 

(版本三) 迭代

class Solution:
    def mergeTrees(self, root1: TreeNode, root2: TreeNode) -> TreeNode:
        if not root1: 
            return root2
        if not root2: 
            return root1

        queue = deque()
        queue.append(root1)
        queue.append(root2)

        while queue: 
            node1 = queue.popleft()
            node2 = queue.popleft()
            # 更新queue
            # 只有两个节点都有左节点时, 再往queue里面放.
            if node1.left and node2.left: 
                queue.append(node1.left)
                queue.append(node2.left)
            # 只有两个节点都有右节点时, 再往queue里面放.
            if node1.right and node2.right: 
                queue.append(node1.right)
                queue.append(node2.right)

            # 更新当前节点. 同时改变当前节点的左右孩子. 
            node1.val += node2.val
            if not node1.left and node2.left: 
                node1.left = node2.left
            if not node1.right and node2.right: 
                node1.right = node2.right

        return root1

(版本四) 迭代 + 代码优化

from collections import deque

class Solution:
    def mergeTrees(self, root1: TreeNode, root2: TreeNode) -> TreeNode:
        if not root1:
            return root2
        if not root2:
            return root1

        queue = deque()
        queue.append((root1, root2))

        while queue:
            node1, node2 = queue.popleft()
            node1.val += node2.val

            if node1.left and node2.left:
                queue.append((node1.left, node2.left))
            elif not node1.left:
                node1.left = node2.left

            if node1.right and node2.right:
                queue.append((node1.right, node2.right))
            elif not node1.right:
                node1.right = node2.right

        return root1


我的代码(晚上理解后自己编写)

class Solution:
    def mergeTrees(self, root1: Optional[TreeNode], root2: Optional[TreeNode]) -> Optional[TreeNode]:

        if root1 == None :
            return root2
        if root2 == None :
            return root1

        root1.val += root2.val

        root1.left = self.mergeTrees(root1.left,root2.left)
        root1.right = self.mergeTrees(root1.right,root2.right)

        return root1

其他版本的代码,后续二刷再学习。

700 二叉搜索树中的搜索

本题的迭代法,很简单!

二叉搜索树是一个有序树:

1、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;
2、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;
3、它的左、右子树也分别为二叉搜索树

未看解答自己编写

class Solution:
    def searchBST(self, root: Optional[TreeNode], val: int) -> Optional[TreeNode]:
        if root == None :
            return None
        if root.val == val :
            return root
        elif root.val > val and root.left == None :
            return None
        elif root.val < val and root.right == None :
            return None
        elif root.val > val :
            return self.searchBST(root.left,val)
        elif root.val < val :
            return self.searchBST(root.right,val)

看了解答后,精简了两个判断的写法

class Solution:
    def searchBST(self, root: Optional[TreeNode], val: int) -> Optional[TreeNode]:
        if root == None :
            return None
        if root.val == val :
            return root
       
        elif root.val > val :
            return self.searchBST(root.left,val)
        elif root.val < val :
            return self.searchBST(root.right,val)

重点

代码随想录的代码

递归:

class Solution:
    def searchBST(self, root: TreeNode, val: int) -> TreeNode:
        # 为什么要有返回值: 
        #   因为搜索到目标节点就要立即return,
        #   这样才是找到节点就返回(搜索某一条边),如果不加return,就是遍历整棵树了。

        if not root or root.val == val: 
            return root

        if root.val > val: 
            return self.searchBST(root.left, val)

        if root.val < val: 
            return self.searchBST(root.right, val)

迭代法:

class Solution:
    def searchBST(self, root: TreeNode, val: int) -> TreeNode:
        while root:
            if val < root.val: root = root.left
            elif val > root.val: root = root.right
            else: return root
        return None

我的代码(晚上理解后自己编写)

递归在第一次做题时已经写出来,迭代法也非常简短精巧。

class Solution:
    def searchBST(self, root: TreeNode, val: int) -> TreeNode:
        while root:
            if val < root.val: root = root.left
            elif val > root.val: root = root.right
            else: return root
        return None

98 验证二叉搜索树

第一次看题无思路。原因是没有了解二叉搜索树的特性。

假设一个二叉搜索树具有如下特征:

1:节点的左子树只包含小于当前节点的数。
2:节点的右子树只包含大于当前节点的数。
3:所有左子树和右子树自身必须也是二叉搜索树。

以上特性意味着:如果对二叉搜索树进行中序遍历(左中右),得到的数组一定是有序的。

所以思路就是,对树进行中序遍历,如果序列是有序的,就是二叉搜索树。

重点

通过此题要学会,二叉搜索树,的特性,中序遍历,有序!

如果一棵树是一个空树(根节点为None),那么它什么二叉树都是,是完全二叉树,二叉搜索树,平衡二叉树,满二叉树等。

中序遍历,判断数组是否有序的方法不是一个好的方法,没有必要用数组去判断是否为单调递增的。本题直接基于二叉树,去判断单调递增。

如何不使用数组?

代码误区:
在这里插入图片描述
在这里插入图片描述
一定要避免陷阱一,在不用数组的情况下,其思路还是中序遍历,只不过用一个数值去记录遍历的上一个值罢了,因为中序遍历得到为单调递增,这个性质很关键。

上述额外定义一个数值也是不太好的,因为如果二叉树中的最小值为编程语言的最小值怎么办?那样直接就返回 False 了,所以最好的办法是,让前一个节点和后一个节点进行比较。Pre 记录当前节点的前一个节点。

看到二叉搜索树,就要想到中序遍历。

代码随想录的代码

递归法(版本一)利用中序递增性质,转换成数组

class Solution:
    def __init__(self):
        self.vec = []

    def traversal(self, root):
        if root is None:
            return
        self.traversal(root.left)
        self.vec.append(root.val)  # 将二叉搜索树转换为有序数组
        self.traversal(root.right)

    def isValidBST(self, root):
        self.vec = []  # 清空数组
        self.traversal(root)
        for i in range(1, len(self.vec)):
            # 注意要小于等于,搜索树里不能有相同元素
            if self.vec[i] <= self.vec[i - 1]:
                return False
        return True

递归法(版本二)设定极小值,进行比较

class Solution:
    def __init__(self):
        self.maxVal = float('-inf')  # 因为后台测试数据中有int最小值

    def isValidBST(self, root):
        if root is None:
            return True

        left = self.isValidBST(root.left)
        # 中序遍历,验证遍历的元素是不是从小到大
        if self.maxVal < root.val:
            self.maxVal = root.val
        else:
            return False
        right = self.isValidBST(root.right)

        return left and right

递归法(版本三)直接取该树的最小值

class Solution:
    def __init__(self):
        self.pre = None  # 用来记录前一个节点

    def isValidBST(self, root):
        if root is None:
            return True

        left = self.isValidBST(root.left)

        if self.pre is not None and self.pre.val >= root.val:
            return False
        self.pre = root  # 记录前一个节点

        right = self.isValidBST(root.right)
        return left and right

迭代法

class Solution:
    def isValidBST(self, root):
        stack = []
        cur = root
        pre = None  # 记录前一个节点
        while cur is not None or len(stack) > 0:
            if cur is not None:
                stack.append(cur)
                cur = cur.left  # 左
            else:
                cur = stack.pop()  # 中
                if pre is not None and cur.val <= pre.val:
                    return False
                pre = cur  # 保存前一个访问的结点
                cur = cur.right  # 右
        return True

我的代码(晚上理解后自己编写)

二刷时没写出来,是想写用搜索树本身节点来写递归的,但是错把pre节点放在了递归参数里,逻辑一下子理不清了,不知道如何给pre赋初值。

思考递归的返回条件和处理逻辑都没问题,就没想到可能是参数构造出了问题!递归三部曲真的很重要啊!

pre节点应该设置为全局变量。

class Solution:

    def __init__(self):
        self.pre = None

    def isValidBST(self, root: Optional[TreeNode]) -> bool:
     
        if root == None :
            return True
        
        left = self.isValidBST(root.left)

        if self.pre != None and self.pre.val >= root.val :
            return False

        self.pre = root

        right = self.isValidBST(root.right)

        return left and right

这道题是有点难度的!二刷要注意!

此题难点在于return逻辑的判断,当pre不为空 and 不满足单调递增的情况下,return False。这里不要想着去return True , 因为True的情况是必须整棵树为二叉搜索树时才满足,而False的情况很好判断,只要有一个小条件不满足即可。

另一个难点,在于 self.pre = root ,如何想到递归的处理逻辑,先处理左子树,满足单增,因为是中序遍历,pre转为中间节点,进入右子树的遍历,同样也要满足单增,如果一直满足,就是True。

在中间 return False 的逻辑中,可以看做是及时返回,有矛盾出现时,就返回,不需要再进行后面的右子树搜索了。

530 二叉搜索树的最小绝对差

未看解答之前,第一遍自己编写

class Solution:
    def __init__(self):
        self.pre = None
        self.min = inf

    def getMinimumDifference(self, root: Optional[TreeNode]) -> int:
        self.digui(root)

        return self.min


    def digui(self,root):
        if root == None :
            return 

        self.digui(root.left)

        if self.pre != None :
            if abs(self.pre.val-root.val) < self.min :
                self.min = abs(self.pre.val-root.val)
            
            
        self.pre = root

        self.digui(root.right)

        return 

重点

代码随想录的代码

递归法(版本一)利用中序递增,结合数组

class Solution:
    def __init__(self):
        self.vec = []

    def traversal(self, root):
        if root is None:
            return
        self.traversal(root.left)
        self.vec.append(root.val)  # 将二叉搜索树转换为有序数组
        self.traversal(root.right)

    def getMinimumDifference(self, root):
        self.vec = []
        self.traversal(root)
        if len(self.vec) < 2:
            return 0
        result = float('inf')
        for i in range(1, len(self.vec)):
            # 统计有序数组的最小差值
            result = min(result, self.vec[i] - self.vec[i - 1])
        return result

递归法(版本二)利用中序递增,找到该树最小值:

class Solution:
    def __init__(self):
        self.result = float('inf')
        self.pre = None

    def traversal(self, cur):
        if cur is None:
            return
        self.traversal(cur.left)  # 左
        if self.pre is not None:  # 中
            self.result = min(self.result, cur.val - self.pre.val)
        self.pre = cur  # 记录前一个
        self.traversal(cur.right)  # 右

    def getMinimumDifference(self, root):
        self.traversal(root)
        return self.result

迭代法

class Solution:
    def getMinimumDifference(self, root):
        stack = []
        cur = root
        pre = None
        result = float('inf')

        while cur is not None or len(stack) > 0:
            if cur is not None:
                stack.append(cur)  # 将访问的节点放进栈
                cur = cur.left  # 左
            else:
                cur = stack.pop()
                if pre is not None:  # 中
                    result = min(result, cur.val - pre.val)
                pre = cur
                cur = cur.right  # 右

        return result

我的代码(晚上理解后自己编写)

简单,过。

501 二叉搜索树中的众数

第一次写题,不会做,失败点在于,如果众数是唯一的,利用双指针法就可以得到,也不需要额外的存储空间,但是如果,众数不唯一呢?怎么不利用额外的空间去存储?

代码随想录的解答:
比较好想的方法是,遍历两次二叉树,第一次统计Maxcount,第二次将所有count等于Maxcount的数值输出。

但是能不能只遍历一遍呢?
就是,只要count==Maxcount,就添加,当Maxcount变化时,就清空res数组。其实有想到这一点,但是看题目进阶要求,说不能申请额外的空间,以为这样一个list也是不行的,虽然它的长度比遍历二叉树的长度要小得多。

现在回过头去想想,这样一个常数大小的res(因为众数的个数总是有限的),比起整棵二叉树(N)来说,就可以看做,不申请额外空间。

看了一眼思路自己独立编写的青春垃圾版

不写不知道,虽然逻辑很简单,但是落实到代码上,还有很多问题啊,总归是加了一堆判断写出来了,但是很垃圾的代码。

class Solution:

    def __init__(self):
        self.pre = None
        self.res = []
        self.maxcount = 1
        self.count = 1

    def findMode(self, root: Optional[TreeNode]) -> List[int]:
        if root == None :
            return []
        if root.left == None and root.right == None :
            return [root.val]
        self.digui(root)

        return self.res


    def digui(self,root):
        if root == None :
            return 

        self.digui(root.left)

        if self.pre != None :
            if self.pre.val == root.val :
                self.count += 1
            else :
                self.count = 1    

            if self.count > self.maxcount :
                    self.maxcount =  self.count
                    self.res.clear()
                    self.res.append(root.val)
            elif self.count == self.maxcount :
                 self.res.append(root.val)

        else :
            self.res.append(root.val)

        self.pre = root

        self.digui(root.right)

        return 


重点

代码随想录的代码

代码随想录的代码中的条件判断逻辑要比我自己写的清楚一些。

递归法(版本一)利用字典

from collections import defaultdict

class Solution:
    def searchBST(self, cur, freq_map):
        if cur is None:
            return
        freq_map[cur.val] += 1  # 统计元素频率
        self.searchBST(cur.left, freq_map)
        self.searchBST(cur.right, freq_map)

    def findMode(self, root):
        freq_map = defaultdict(int)  # key:元素,value:出现频率
        result = []
        if root is None:
            return result
        self.searchBST(root, freq_map)
        max_freq = max(freq_map.values())
        for key, freq in freq_map.items():
            if freq == max_freq:
                result.append(key)
        return result

递归法(版本二)利用二叉搜索树性质

class Solution:
    def __init__(self):
        self.maxCount = 0  # 最大频率
        self.count = 0  # 统计频率
        self.pre = None
        self.result = []

    def searchBST(self, cur):
        if cur is None:
            return

        self.searchBST(cur.left)  # 左
        # 中
        if self.pre is None:  # 第一个节点
            self.count = 1
        elif self.pre.val == cur.val:  # 与前一个节点数值相同
            self.count += 1
        else:  # 与前一个节点数值不同
            self.count = 1
        self.pre = cur  # 更新上一个节点

        if self.count == self.maxCount:  # 如果与最大值频率相同,放进result中
            self.result.append(cur.val)

        if self.count > self.maxCount:  # 如果计数大于最大值频率
            self.maxCount = self.count  # 更新最大频率
            self.result = [cur.val]  # 很关键的一步,不要忘记清空result,之前result里的元素都失效了

        self.searchBST(cur.right)  # 右
        return

    def findMode(self, root):
        self.count = 0
        self.maxCount = 0
        self.pre = None  # 记录前一个节点
        self.result = []

        self.searchBST(root)
        return self.result

迭代法

class Solution:
    def findMode(self, root):
        st = []
        cur = root
        pre = None
        maxCount = 0  # 最大频率
        count = 0  # 统计频率
        result = []

        while cur is not None or st:
            if cur is not None:  # 指针来访问节点,访问到最底层
                st.append(cur)  # 将访问的节点放进栈
                cur = cur.left  # 左
            else:
                cur = st.pop()
                if pre is None:  # 第一个节点
                    count = 1
                elif pre.val == cur.val:  # 与前一个节点数值相同
                    count += 1
                else:  # 与前一个节点数值不同
                    count = 1

                if count == maxCount:  # 如果和最大值相同,放进result中
                    result.append(cur.val)

                if count > maxCount:  # 如果计数大于最大值频率
                    maxCount = count  # 更新最大频率
                    result = [cur.val]  # 很关键的一步,不要忘记清空result,之前result里的元素都失效了

                pre = cur
                cur = cur.right  # 右

        return result

我的代码(晚上理解后自己编写)

重新整理逻辑,但是感觉自己的写法,逻辑上容易理解一些。

class Solution:

    def __init__(self):
        self.pre = None
        self.res = []
        self.maxcount = 0
        self.count = 0

    def findMode(self, root: Optional[TreeNode]) -> List[int]:
        if root == None :
            return []
        if root.left == None and root.right == None :
            return [root.val]
        self.digui(root)

        return self.res


    def digui(self,root):
        if root == None :
            return 

        self.digui(root.left)

        if self.pre == None :
            self.count = 1
        elif self.pre.val == root.val :
            self.count += 1
        else :
            self.count = 1

        if self.count > self.maxcount :
            self.maxcount = self.count
            self.res.clear()
            self.res.append(root.val)

        elif self.count == self.maxcount :
            self.res.append(root.val)


        self.pre = root

        self.digui(root.right)

        return

236 二叉树的最近公共祖先

难,第一次看题一点思路都没有,只能想到用后序遍历,但是再多一点的也想不到了。

重点

太牛了这道题,多看文章讲解和视频。

代码随想录的代码

递归法(版本一)

class Solution:
    def lowestCommonAncestor(self, root, p, q):
        if root == q or root == p or root is None:
            return root

        left = self.lowestCommonAncestor(root.left, p, q)
        right = self.lowestCommonAncestor(root.right, p, q)

        if left is not None and right is not None:
            return root

        if left is None and right is not None:
            return right
        elif left is not None and right is None:
            return left
        else: 
            return None

递归法(版本二)精简

class Solution:
    def lowestCommonAncestor(self, root, p, q):
        if root == q or root == p or root is None:
            return root

        left = self.lowestCommonAncestor(root.left, p, q)
        right = self.lowestCommonAncestor(root.right, p, q)

        if left is not None and right is not None:
            return root

        if left is None:
            return right
        return left

我的代码(晚上理解后自己编写)

后序遍历是可以想到的,但是中间节点的处理逻辑还是弄不清,后面复习要着重注意。

class Solution:
    def lowestCommonAncestor(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode':
        return self.digui(root,p,q)

    def digui(self,root,p,q):
        if root == None :
            return
        if root.val == p.val or root.val == q.val :
            return root
        
        left =  self.digui(root.left,p,q)

        right = self.digui(root.right,p,q)

        if left != None and right != None :
            return root
        elif left == None and right != None :
            return right
        elif right == None and left != None:
            return left
        else :
            return

上述中间节点的处理逻辑中,left 和 right 在递归中既扮演 判断左右是否存在的角色,也扮演,可能的公共节点的角色,如果引入 Bool 变量,可以写出如下代码:

class Solution:

    def __init__(self):
        self.res = None
    def lowestCommonAncestor(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode':
        self.digui(root,p,q)
        return self.res

    def digui(self,root,p,q):
        if root == None :
            return False
        if root.val == p.val or root.val == q.val :
            self.res = root
            return True
            
        
        left = self.digui(root.left,p,q)

        right = self.digui(root.right,p,q)

        if left and right :
            self.res = root

        return left or right

二叉树系列4总结

代码随想录的总结很不错,直接上链接。

二叉树系列4总结

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码随想录算法训练营是一个优质的学习和讨论平台,提供了丰富的算法训练内容和讨论交流机会。在训练营中,学员们可以通过观看视频讲解来学习算法知识,并根据讲解内容进行刷题练习。此外,训练营还提供了刷题建议,例如先看视频、了解自己所使用的编程语言、使用日志等方法来提高刷题效果和语言掌握程度。 训练营中的讨论内容非常丰富,涵盖了各种算法知识点和解题方法。例如,在第14天的训练营中,讲解了二叉树的理论基础、递归遍历、迭代遍历和统一遍历的内容。此外,在讨论中还分享了相关的博客文章和配图,帮助学员更好地理解和掌握二叉树的遍历方法。 训练营还提供了每日的讨论知识点,例如在第15天的讨论中,介绍了层序遍历的方法和使用队列来模拟一层一层遍历的效果。在第16天的讨论中,重点讨论了如何进行调试(debug)的方法,认为掌握调试技巧可以帮助学员更好地解决问题和写出正确的算法代码。 总之,代码随想录算法训练营是一个提供优质学习和讨论环境的平台,可以帮助学员系统地学习算法知识,并提供了丰富的讨论内容和刷题建议来提高算法编程能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [代码随想录算法训练营每日精华](https://blog.csdn.net/weixin_38556197/article/details/128462133)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值