树的遍历
前言
- 在一个平常的星期二下午,一节数据结构课中,想着做点什么的我,打开了力扣。正好老师在讲树,我也从二叉树最基础的遍历开始刷题,没想到打开了新世界的大门······
前提知识
- 二叉树有三种遍历方式:
- 前序遍历(根节点 -> 左子树 -> 右子树)
- 中序遍历(左子树 -> 根节点 -> 右子树)
- 后序遍历(左子树 -> 右子树 -> 根节点)
- 可以看出这三种遍历方式的特点:
- 前/中/后,代表着根节点的遍历顺序
- 左子树一定比右子树先访问到
遍历方法一 ———— 递归
- 用当时老师的话来说就是:三行代码的事
- 至于哪三行,话不多说,上代码:
//LeetCode 144. 二叉树的前序遍历
/**
* Definition for a binary tree node.
* struct TreeNode {
* int val;
* TreeNode *left;
* TreeNode *right;
* TreeNode() : val(0), left(nullptr), right(nullptr) {}
* TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
* TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
* };
*/
class Solution {
public:
void preorder(TreeNode* root, vector<int> &res) {
//递归退出条件,同时也是“商业程序员”以后工作要注意的错误排查
if (root == nullptr) {
return ;
}
res.push_back(root -> val);//输出当前节点的值,放第一行表示输出根节点
preorder(root -> left, res);//遍历左子树
preorder(root -> right, res);//遍历右子树
}
vector<int> preorderTraversal(TreeNode* root) {
vector<int>res;
preorder(root, res);
return res;
}
};
//时间复杂度:O(n)O(n),其中 nn 是二叉树的节点数。每一个节点恰好被遍历一次。
//空间复杂度:O(n)O(n),为递归过程中栈的开销,平均情况下为 O(\log n)O(logn),最坏情况下树呈现链状,为 O(n)O(n)。
- 同理,若想使用中/后序遍历,只需将
res.push_back(root -> val);
放在第二/第三行即可
遍历方法二 ———— 迭代
- 由之前的刷题经验可知,很多能用递归实现的方法也可以用迭代实现,在此处也是可以的,只不过迭代会比递归更难理解一些
深入底层
- 为什么能用递归实现的时候,也能用迭代实现呢?我们不妨想想递归实现的底层原理是什么。递归实现遍历本质上是函数不断调用自身,但通过改变传入形参来不断递进的过程。在这个过程中,递归隐式地维护了一个栈:调用preorder并让其入栈,左子树走到底之后就将元素弹出(输出元素),然后遍历右子树。由于这个过程太隐蔽了(都是程序运行时内部完成的),我们就看不到递归背后的运行情况是怎么样的(这可能也是递归难以理解的原因之一)。而迭代其实就是将这个过程展现出来,显式地维护这个栈,完成计算机底层实现的操作,以下是代码:
class Solution {
public:
vector<int> preorderTraversal(TreeNode* root) {
vector<int> res;
if (root == nullptr) {
return res;
}
stack<TreeNode*> stk;
TreeNode* node = root;
while (!stk.empty() || node != nullptr) {
while (node != nullptr) {
res.emplace_back(node->val);//前序遍历,先将根节点输出
stk.emplace(node);
node = node->left;
}
node = stk.top();
stk.pop();
node = node->right;
}
return res;
}
};
- 一般都是递归比迭代难理解,但这里似乎是个反例,迭代的代码比递归的更复杂难懂一些,但仔细看会发现和递归其实是一样的,中/后序遍历也只需要简单调整代码逻辑顺序就可以了。