【数据结构】二叉爆炸
按照惯例整点抽象的,贴上这篇博客的名字由来:
言归正传,本篇博客介绍二叉树的构造方式、前中后序遍历、层序遍历以及代码随想录中二叉树章节的相关题目:
一、啥是二叉树
1.二叉树是什么?
百度百科上的解释是这样的:
二叉树(Binary tree)是树形结构的一个重要类型。许多实际问题抽象出来的数据结构往往是二叉树形式,即使是一般的树也能简单地转换为二叉树,而且二叉树的存储结构及其算法都较为简单,因此二叉树显得特别重要。二叉树特点是每个节点最多只能有两棵子树,且有左右之分。
二叉树是n个有限元素的集合 ,该集合或者为空、或者由一个称为根(root)的元素 及两个不相交的 、被分别称为左子树 和右子树 的二叉树组成,是有序树。当集合为空时,称该二叉树为空二叉树。在二叉树中,一个元素也称作一个节点 。
太长不看,简单来说,二叉树就是这个:
单亲爸爸带俩娃(划掉),一个根节点带着俩孩子。左边的孩子是"左子树",右边的孩子是"右子树"。
下面是一些二叉树相关的定义,下面关于二叉树的算法题中可能会用到:
①节点:包含一个数据元素及若干指向子树分支的信息。
②节点的度:一个节点拥有子树的数目称为节点的度。
③叶子节点:也称为终端节点,没有子树的节点或者度为零的节点。
④分支节点:也称为非终端节点,度不为零的节点称为非终端节点。
⑤树的度:树中所有节点的度的最大值。
⑥节点的层次:从根节点开始,假设根节点为第1层,根节点的子节点为第2层,依此类推,如果某一个节点位于第L层,则其子节点位于第L+1层。
⑦树的深度:也称为树的高度,树中所有节点的层次最大值称为树的深度。
⑧有序树:如果树中各棵子树的次序是有先后次序,则称该树为有序树。
⑨无序树:如果树中各棵子树的次序没有先后次序,则称该树为无序树。
⑩森林:由m(m≥0)棵互不相交的树构成一片森林。如果把一棵非空的树的根节点删除,则该树就变成了一片森林,森林中的树由原来根节点的各棵子树构成。
2.二叉树有啥用?
- 数据存储和检索:二叉搜索树(BST)是一种常见的数据结构,用于存储和检索数据。在BST中,每个节点的左子树中的所有节点都小于该节点,右子树中的所有节点都大于该节点,这使得查找、插入和删除操作的平均时间复杂度为O(log n),其中n是树中节点的数量。
- 数据库索引:许多数据库系统使用二叉树或其变种(如B树、B+树)来加速数据检索。这些树结构允许在大量数据中快速找到所需的记录。
- 文件系统:许多操作系统使用树状结构来组织文件和目录。文件系统中的每个目录都可以视为一个节点,其中包含文件和其他子目录。
- 图形用户界面(GUI):许多GUI工具包使用树形结构来组织用户界面元素。例如,菜单和文件资源管理器通常使用树形结构来表示层级结构。
3.特殊的二叉树!
满二叉树
所有分支结点都存在左子树和右子树,并且所有叶子都在同一层上的二叉树。
这张图上的树就是一棵满二叉树。
完全二叉树
在满二叉树中,从最后一个结点开始,连续去掉任意个结点得到的二叉树。即最后一层所有节点靠左的二叉树。
如图所示:
二、咋遍历二叉树?
1. 深度优先搜索(前,中,后序遍历)
从根节点开始,沿着树的深度尽可能远的搜索树的分支。当达到树的最深处时,再回溯到上一级节点继续搜索,直到遍历完整棵树。
- 前序遍历(Preorder Traversal):以根节点、左子树、右子树的顺序遍历二叉树。
- 中序遍历(Inorder Traversal):以左子树、根节点、右子树的顺序遍历二叉树。
- 后序遍历(Postorder Traversal):以左子树、右子树、根节点的顺序遍历二叉树。
接下来我们就看看前中后序遍历的代码实现,此处均以leetcode上题目为模板。
前序遍历
递归遍历:
java
class Solution {
public List<Integer> preorderTraversal(TreeNode root) {
List<Integer> result = new ArrayList<Integer>();
preorder(root, result);
return result;
}
public void preorder(TreeNode root, List<Integer> result) {
if (root == null) {
return;
}
result.add(root.val);
preorder(root.left, result);
preorder(root.right, result);
}
}
迭代法遍历:
java
class Solution {
public List<Integer> preorderTraversal(TreeNode root) {
List<Integer> result = new LinkedList<>();
Stack<TreeNode> st = new Stack<>();
if (root != null) st.push(root);
while (!st.empty()) {
TreeNode node = st.peek();
if (node != null) {
st.pop(); // 将该节点弹出,避免重复操作,下面再将右中左节点添加到栈中
if (node.right!=null) st.push(node.right); // 添加右节点(空节点不入栈)
if (node.left!=null) st.push(node.left); // 添加左节点(空节点不入栈)
st.push(node); // 添加中节点
st.push(null); // 中节点访问过,但是还没有处理,加入空节点做为标记。
} else { // 只有遇到空节点的时候,才将下一个节点放进结果集
st.pop(); // 将空节点弹出
node = st.peek(); // 重新取出栈中元素
st.pop();
result.add(node.val); // 加入到结果集
}
}
return result;
}
}
中序遍历
递归遍历:
java
class Solution {
public List<Integer> inorderTraversal(TreeNode root) {
List<Integer> res = new ArrayList<>();
inorder(root, res);
return res;
}
void inorder(TreeNode root, List<Integer> list) {
if (root == null) {
return;
}
inorder(root.left, list);
list.add(root.val); // 注意这一句
inorder(root.right, list);
}
}
迭代法遍历:
java
class Solution {
public List<Integer> inorderTraversal(TreeNode root) {
List<Integer> result = new LinkedList<>();
Stack<TreeNode> st = new Stack<>();
if (root != null) st.push(root);
while (!st.empty()) {
TreeNode node = st.peek();
if (node != null) {
st.pop(); // 将该节点弹出,避免重复操作,下面再将右中左节点添加到栈中
if (node.right!=null) st.push(node.right); // 添加右节点(空节点不入栈)
st.push(node); // 添加中节点
st.push(null); // 中节点访问过,但是还没有处理,加入空节点做为标记。
if (node.left!=null) st.push(node.left); // 添加左节点(空节点不入栈)
} else { // 只有遇到空节点的时候,才将下一个节点放进结果集
st.pop(); // 将空节点弹出
node = st.peek(); // 重新取出栈中元素
st.pop();
result.add(node.val); // 加入到结果集
}
}
return result;
}
}
后序遍历
递归遍历:
java
class Solution {
public List<Integer> postorderTraversal(TreeNode root) {
List<Integer> res = new ArrayList<>();
postorder(root, res);
return res;
}
void postorder(TreeNode root, List<Integer> list) {
if (root == null) {
return;
}
postorder(root.left, list);
postorder(root.right, list);
list.add(root.val); // 注意这一句
}
}
迭代法遍历:
java
class Solution {
public List<Integer> postorderTraversal(TreeNode root) {
List<Integer> result = new LinkedList<>();
Stack<TreeNode> st = new Stack<>();
if (root != null) st.push(root);
while (!st.empty()) {
TreeNode node = st.peek();
if (node != null) {
st.pop(); // 将该节点弹出,避免重复操作,下面再将右中左节点添加到栈中
st.push(node); // 添加中节点
st.push(null); // 中节点访问过,但是还没有处理,加入空节点做为标记。
if (node.right!=null) st.push(node.right); // 添加右节点(空节点不入栈)
if (node.left!=null) st.push(node.left); // 添加左节点(空节点不入栈)
} else { // 只有遇到空节点的时候,才将下一个节点放进结果集
st.pop(); // 将空节点弹出
node = st.peek(); // 重新取出栈中元素
st.pop();
result.add(node.val); // 加入到结果集
}
}
return result;
}
}
如何从中序和后序倒推出二叉树
先别急着看层序遍历,既然二叉树可以用这几种方式遍历,那么一定可以从这几种方式中倒推出二叉树的构造!
来看看这道题目:
首先复习一下中序遍历与后序遍历的遍历方式:
中序:左中右
后序:左右中
如果光看中序遍历数组,无法找到中间节点,光看后序遍历的数组,无法分割左右孩子,于是将两
种遍历方式结合起来,先从后序中找到中间节点的值,再将中序数组的左右孩子分开。
思路大概是:
第一步:如果数组大小为零的话,说明是空节点了。
第二步:如果不为空,那么取后序数组最后一个元素作为节点元素。
第三步:找到后序数组最后一个元素在中序数组的位置,作为切割点
第四步:切割中序数组,切成中序左数组和中序右数组 (顺序别搞反了,一定是先切中
序数组)
第五步:切割后序数组,切成后序左数组和后序右数组
第六步:递归处理左区间和右区间
接下来出场的是递归三部曲:
首先确定递归函数返回值和参数:返回treenode,参数为两个数组及其区间。
而后确定递归终止条件:当后序数组为空时,证明已经没有新的中间节点了,则返回空。
最后确定单层递归逻辑:
在本题的单层递归中,我们需要做的事情稍显复杂:
- 首先,我们需要从后序数组中找到最后一个值,即当前子树的根节点。
- 而后,在中序数组中找到该节点,并保存其索引mid。
- 以mid分割中序数组,找到左子树和右子树。
- 分割后序数组,找到中序数组中左子树与右子树对应的左子树和右子树区间。
- 将计算好的值传入下层递归中。
- 最后返回根节点。
AC代码如下:
java
class Solution {
public TreeNode buildTree(int[] inorder, int[] postorder) {
if(postorder.length == 0 || inorder.length == 0)
return null;
return Build(inorder, 0, inorder.length, postorder, 0, postorder.length);
}
public TreeNode Build(int[] inorder, int inStart, int inEnd, int[] postorder, int posStart, int posEnd){
if(posStart == posEnd){
return null;
}
//后序遍历的最后一个值,即为当前子树的根节点
int rootVal = postorder[posEnd - 1];
TreeNode root = new TreeNode(rootVal);
int mid;
//从中序遍历数组中找到root结点
for (mid = inStart; mid < inEnd; mid++){
if(inorder[mid] == rootVal){
break;
}
}
//分割中序数组
int lInStart = inStart;
int lInEnd = mid;
int rInStart = mid + 1;
int rInEnd = inEnd;
//分割后序数组
int lPosStart = posStart;
int lPosEnd = posStart + (mid - inStart);
int rPosStart = lPosEnd;
int rPosEnd = posEnd - 1;
//传入下层递归
root.left = Build(inorder, lInStart, lInEnd, postorder, lPosStart, lPosEnd);
root.right = Build(inorder, rInStart, rInEnd, postorder, rPosStart, rPosEnd);
return root;
}
}
2. 广度优先搜索(层序遍历)
从根节点开始,沿着树的宽度遍历树的节点。首先访问根节点,然后依次访问与根节点相邻的节点,直到遍历完整层的节点后再继续向下一层移动。
借用队列Queue来实现层序遍历,将每一层的内容放入队列中,在下一次遍历时,对队列中从头到
尾的每个元素进行检查,如果存在左右子节点,则入队,依次进行下去即可完成层序遍历。
例:对于如下二叉树,某一次的出队入队过程如下:
示例代码如下:
java
class Solution {
public List<List<Integer>> ans = new LinkedList<>();
public List<List<Integer>> levelOrder(TreeNode root) {
if(root == null){
return ans;
}
Queue<TreeNode> que = new LinkedList<>();
que.add(root);
while(!que.isEmpty()){
int len = que.size();
List<Integer> ls = new LinkedList<>();
while(len > 0){
TreeNode temp = que.poll();
ls.add(temp.val);
if(temp.left != null){
que.add(temp.left);
}
if(temp.right != null){
que.add(temp.right);
}
len--;
}
ans.add(ls);
}
return ans;
}
}
学完层序遍历可以一口气A完以下10题:
我们选取一道典型的题目来看看:
这个题和116. 填充每个节点的下一个右侧节点指针两道题,用同一套代码直接解决了...
层序遍历真好用(喜)
用队列来进行层序遍历,再用一个list维护每一层的代码,在遍历完某一层后链接该层的next指针即可。
值得一提的是链接时用的while代码块,单独掏出来看看:
java
while(ls.size() > 1){
Node pf = ls.removeLast();
Node pb = ls.getLast();
pb.next = pf;
}
首先把最后的节点保存,然后在get到倒数第二个节点,因为下一次遍历仍然会用到倒数第二个节
点,故而不能remove掉,再进行连接,结束条件是list中只剩下一个节点。
AC代码如下:
java
class Solution {
public Node connect(Node root) {
if(root == null){
return root;
}
Queue<Node> que = new LinkedList<>();
List<Node> ls = new LinkedList<>();
que.add(root);
while(!que.isEmpty()){
int len = que.size();
ls.clear();
while(len > 0){
Node tmp = que.poll();
ls.add(tmp);
if(tmp.left != null) que.add(tmp.left);
if(tmp.right != null) que.add(tmp.right);
len--;
}
while(ls.size() > 1){
Node pf = ls.removeLast();
Node pb = ls.getLast();
pb.next = pf;
}
}
return root;
}
}
这个代码使用了List进行辅助,导致时间和空间都变得复杂了,唯一的好处是好理解,接下来登场的是优化代码~
java
public Node connect(Node root) {
if(root == null){
return root;
}
Queue<Node> que = new LinkedList<>();
que.add(root);
while (!que.isEmpty()) {
int len = que.size();
//前一个节点
Node pre = null;
while(len > 0){
//出队
Node node = que.poll();
//如果pre为空就表示node节点是这一行的第一个,
//没有前一个节点指向他,否则就让前一个节点指向他
if (pre != null) {
pre.next = node;
}
//然后再让当前节点成为前一个节点
pre = node;
//左右子节点如果不为空就入队
if (node.left != null) que.add(node.left);
if (node.right != null) que.add(node.right);
len--;
}
}
return root;
}
将内层的循环拿出来看:
定义一个pre节点,用于保存每次的节点,依次向后遍历,将每次出队的节点保存为node,若首次
插入,则将第一个node定义为pre,然后再进行后面的操作。
java
int len = que.size();
//前一个节点
Node pre = null;
while(len > 0){
//出队
Node node = que.poll();
//如果pre为空就表示node节点是这一行的第一个,
//没有前一个节点指向他,否则就让前一个节点指向他
if (pre != null) {
pre.next = node;
}
//再让当前节点成为前一个节点
pre = node;
if (node.left != null) que.add(node.left);
if (node.right != null) que.add(node.right);
len--;
}
三、结语
本篇博客介绍了树的基础知识以及树的各种遍历方式的应用,在接下来的学习中,还可能会接触到较为复杂的树,如二叉搜索树,平衡二叉树等。
本篇博客代码以及部分解析参考:
,则将第一个node定义为pre,然后再进行后面的操作。
java
int len = que.size();
//前一个节点
Node pre = null;
while(len > 0){
//出队
Node node = que.poll();
//如果pre为空就表示node节点是这一行的第一个,
//没有前一个节点指向他,否则就让前一个节点指向他
if (pre != null) {
pre.next = node;
}
//再让当前节点成为前一个节点
pre = node;
if (node.left != null) que.add(node.left);
if (node.right != null) que.add(node.right);
len--;
}
三、结语
本篇博客介绍了树的基础知识以及树的各种遍历方式的应用,在接下来的学习中,还可能会接触到较为复杂的树,如二叉搜索树,平衡二叉树等。
本篇博客代码以及部分解析参考: