今天的三道题总结起来就是二叉搜索树的查、增、删,典型的增删查改类型,改直接对val的值进行操作,没有算法意义,所以这三题基本就是把二叉树的操作覆盖了。
首先查,找公共祖先,之前做过普通二叉树的公共祖先,递归返回值为boolean类型,目的就是判断其子树是否还有其中的某一个值,把这个信息上传,然后再找到一个节点,能够使得左右子树或者说本身和其子树含有这两个值,就找到了公共祖先。二叉搜索树,基于有序性,找到第一个满足节点的值在于两个值之间就可以了。
那么本题是二叉搜索树,二叉搜索树是有序的,那得好好利用一下这个特点。
在有序树里,如果判断一个节点的左子树里有p,右子树里有q呢?
因为是有序树,所有 如果 中间节点是 q 和 p 的公共祖先,那么 中节点的数组 一定是在 [p, q]区间的。即 中节点 > p && 中节点 < q 或者 中节点 > q && 中节点 < p。
那么只要从上到下去遍历,遇到 cur节点是数值在[p, q]区间中则一定可以说明该节点cur就是q 和 p的公共祖先。 那问题来了,一定是最近公共祖先吗?
如图,我们从根节点搜索,第一次遇到 cur节点是数值在[p, q]区间中,即 节点5,此时可以说明 p 和 q 一定分别存在于 节点 5的左子树,和右子树中。
此时节点5是不是最近公共祖先? 如果 从节点5继续向左遍历,那么将错过成为q的祖先, 如果从节点5继续向右遍历则错过成为p的祖先。
所以当我们从上向下去递归遍历,第一次遇到 cur节点是数值在[p, q]区间中,那么cur就是 p和q的最近公共祖先。
理解这一点,本题就很好解了。
而递归遍历顺序,本题就不涉及到 前中后序了(这里没有中节点的处理逻辑,遍历顺序无所谓了)。
如图所示:p为节点6,q为节点9
可以看出直接按照指定的方向,就可以找到节点8,为最近公共祖先,而且不需要遍历整棵树,找到结果直接返回!
给定一个二叉搜索树, 找到该树中两个指定节点的最近公共祖先。
百度百科中最近公共祖先的定义为:“对于有根树 T 的两个结点 p、q,最近公共祖先表示为一个结点 x,满足 x 是 p、q 的祖先且 x 的深度尽可能大(一个节点也可以是它自己的祖先)。”
例如,给定如下二叉搜索树: root = [6,2,8,0,4,7,9,null,null,3,5]
示例 1:
输入: root = [6,2,8,0,4,7,9,null,null,3,5], p = 2, q = 8
输出: 6
解释: 节点 2 和节点 8 的最近公共祖先是 6。
示例 2:
输入: root = [6,2,8,0,4,7,9,null,null,3,5], p = 2, q = 4
输出: 2
解释: 节点 2 和节点 4 的最近公共祖先是 2, 因为根据定义最近公共祖先节点可以为节点本身。
说明:
所有节点的值都是唯一的。
p、q 为不同节点且均存在于给定的二叉搜索树中。
class Solution {
//运用递归思路,在递归函树里面寻找合适满足条件的节点,因为递归压栈后
//弹出来的最后一个满足条件的节点相当于从上往下的第一个节点,所以定义
//一个全局变量,一直迭代到满足条件,当然,条件限制情况下,下面的方法更加清晰。
// TreeNode res;
// public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {
// find(root, p ,q);
// return res;
// }
// public void find(TreeNode node, TreeNode p, TreeNode q){
// if((node.val <= p.val && node.val >= q.val) || (node.val >= p.val && node.val <= q.val)){
// res = node;
// }
// if(node.val > p.val && node.val > q.val){
// find(node.left, p, q);
// }
// if(node.val < p.val && node.val < q.val){
// find(node.right, p, q);
// }
// }
//直接进行递归,因为这样的话,它是从上往下开始寻找的,和最开始的压栈递归不一样
//在左右孩子中寻找值,找到第一个就直接return,不会在继续遍历下去
//如果是已知遍历下去的,那就和普通的二叉树一样了。
public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {
if(root.val > p.val && root.val > q.val){
return lowestCommonAncestor(root.left, p, q);
}
if(root.val < p.val && root.val < q.val){
return lowestCommonAncestor(root.right, p, q);
}
return root;
}
}
第二题插值操作,也就是增操作。如果是普通的二叉树,可能需要涉及到移位的操作,这里二叉搜索树没有重复值,所以关键思路在于找到合适的位置进行插入。寻找位置有两个关键点,第一个是要插入后还要满足二叉搜索树,所以要保持其有序性,因此可以根据大小去减少递归的次数;第二个关键点是插入的地方是null,这样可以很好保持其有序性,也不需要太大操作。
这题不要考虑重新构造树,如果考虑,也可以先中序遍历一边树,把值放入一个数组,这个数组是有序的,然后在数组插入需要插入的值,再根据新数组构造树。
不考虑题目中提示所说的改变树的结构的插入方式。
如下演示视频中可以看出:只要按照二叉搜索树的规则去遍历,遇到空节点就插入节点就可以了。
例如插入元素10 ,需要找到末尾节点插入便可,一样的道理来插入元素15,插入元素0,插入元素6,需要调整二叉树的结构么? 并不需要。。
只要遍历二叉搜索树,找到空节点 插入元素就可以了,那么这道题其实就简单了。
给定二叉搜索树(BST)的根节点 root 和要插入树中的值 value ,将值插入二叉搜索树。 返回插入后二叉搜索树的根节点。 输入数据 保证 ,新值和原始二叉搜索树中的任意节点值都不同。
注意,可能存在多种有效的插入方式,只要树在插入后仍保持为二叉搜索树即可。 你可以返回 任意有效的结果 。
示例 1:
输入:root = [4,2,7,1,3], val = 5
输出:[4,2,7,1,3,5]
解释:另一个满足题目要求可以通过的树是:
示例 2:
输入:root = [40,20,60,10,30,50,70], val = 25
输出:[40,20,60,10,30,50,70,null,null,25]
示例 3:
输入:root = [4,2,7,1,3,null,null,null,null,null,null], val = 5
输出:[4,2,7,1,3,5]
提示:
树中的节点数将在 [0, 104]的范围内。
-108 <= Node.val <= 108
所有值 Node.val 是 独一无二 的。
-108 <= val <= 108
保证 val 在原始BST中不存在。
class Solution {
//这个思路比较好理解,首先用递归找到需要插入地方的条件,也就是找到对应的空节点,直接插入就可以。
//第一种情况时当root为空时,直接插入就可以。
// public TreeNode insertIntoBST(TreeNode root, int val) {
// if(root == null){
// root = new TreeNode(val);
// }else{
// find(root, val);
// }
// return root;
// }
// public void find(TreeNode node, int val){
// if(node.val > val){
// if(node.left == null){
// node.left = new TreeNode(val);
// }else{
// find(node.left, val);
// }
// }
// if(node.val < val){
// if(node.right == null){
// node.right = new TreeNode(val);
// }else{
// find(node.right, val);
// }
// }
// }
//这个是将递归有返回值,把插入的节点作为返回值返给孩子节点,最后再返回根节点,相当于上面方法的简化版
public TreeNode insertIntoBST(TreeNode root, int val) {
return find(root, val);
}
public TreeNode find(TreeNode node, int val){
if(node == null){
return new TreeNode(val);
}
if(node.val > val){
node.left = find(node.left, val);
}
if(node.val < val){
node.right = find(node.right, val);
}
return node;
}
}
第三题是删操作,其实就是查和增的叠加版,先查到满足条件的节点,然后把把合适的节点增在删的位置。它的关键在于情况判断要写清楚,并且递归的返回值要想好。因为删除一个节点后,再补上另一个节点可以看成是补一棵子树,所以考虑返回值是一个树类型的值。查找过程中总共的5种情况,每种情况对应的返回值要捋清楚,画图更加清晰!!!最复杂的是左右孩子都不是空的情况,这时候要把左孩子接在右孩子的最左端,因为二叉搜索树左边的永远比右边小,所以左孩子只能在右孩子的最左边。
这里就把二叉搜索树中删除节点遇到的情况都搞清楚。
有以下五种情况:
第一种情况:没找到删除的节点,遍历到空节点直接返回了
找到删除的节点
第二种情况:左右孩子都为空(叶子节点),直接删除节点, 返回NULL为根节点
第三种情况:删除节点的左孩子为空,右孩子不为空,删除节点,右孩子补位,返回右孩子为根节点
第四种情况:删除节点的右孩子为空,左孩子不为空,删除节点,左孩子补位,返回左孩子为根节点
第五种情况:左右孩子节点都不为空,则将删除节点的左子树头结点(左孩子)放到删除节点的右子树的最左面节点的左孩子上,返回删除节点右孩子为新的根节点。
第五种情况有点难以理解,看下面动画:
动画中的二叉搜索树中,删除元素7, 那么删除节点(元素7)的左孩子就是5,删除节点(元素7)的右子树的最左面节点是元素8。
将删除节点(元素7)的左孩子放到删除节点(元素7)的右子树的最左面节点(元素8)的左孩子上,就是把5为根节点的子树移到了8的左孩子的位置。
要删除的节点(元素7)的右孩子(元素9)为新的根节点。.
这样就完成删除元素7的逻辑,最好动手画一个图,尝试删除一个节点试试。
给定一个二叉搜索树的根节点 root 和一个值 key,删除二叉搜索树中的 key 对应的节点,并保证二叉搜索树的性质不变。返回二叉搜索树(有可能被更新)的根节点的引用。
一般来说,删除节点可分为两个步骤:
首先找到需要删除的节点;
如果找到了,删除它。
示例 1:
输入:root = [5,3,6,2,4,null,7], key = 3
输出:[5,4,6,2,null,null,7]
解释:给定需要删除的节点值是 3,所以我们首先找到 3 这个节点,然后删除它。
一个正确的答案是 [5,4,6,2,null,null,7], 如下图所示。
另一个正确答案是 [5,2,6,null,4,null,7]。
示例 2:
输入: root = [5,3,6,2,4,null,7], key = 0
输出: [5,3,6,2,4,null,7]
解释: 二叉树不包含值为 0 的节点
示例 3:
输入: root = [], key = 0
输出: []
提示:
节点数的范围 [0, 104].
-105 <= Node.val <= 105
节点值唯一
root 是合法的二叉搜索树
-105 <= key <= 105
进阶: 要求算法时间复杂度为 O(h),h 为树的高度。
class Solution {
//运用递归解题,递归的目的是遍历到满足条件的节点,然后再满足条件的节点上进行操作
public TreeNode deleteNode(TreeNode root, int key) {
return find(root,key);
}
public TreeNode find(TreeNode node, int key){
//寻找节点要分为5种情况
//如果没有找到节点,且已经是根节点了,那么就返回一个空,不用删除
if(node == null){
return null;
}
//如果找到了对应值的节点,就要分成4种情况判断
if(node.val == key){
//如果是叶子节点,直接把这个值删了就可以,返回null给父节点接住。
if(node.left == null && node.right == null){
return null;
}
//如果是其中一个为空,则把另一个节点直接返回给父节点
if(node.left == null && node.right != null){
return node.right;
}
if(node.left != null && node.right == null){
return node.left;
}
//如果左右都不是空,那么就把左孩子放到右孩子的最左边的地方
//再把右孩子返回。
if(node.left != null && node.right != null){
TreeNode left = node.left;
TreeNode right = node.right;
while(right.left != null){
right = right.left;
}
right.left = left;
node.left = null;
return node.right;
}
}
//如果还没有遍历到根节点,并且没有找到,就继续往下遍历。
node.left = find(node.left, key);
node.right = find(node.right, key);
return node;
}
}