107. Binary Tree Level Order Traversal II [easy] (Python)

二叉树的下到上层序遍历 Python 实现
这篇博客介绍了如何解决 LeetCode 上的 107 题,即如何进行二叉树的下到上层序遍历。作者提供了三种方法,包括使用队列实现的 BFS、栈实现的 DFS 以及递归法实现的 DFS,并给出了相应的 Python 代码实现。同时,博主提到这是作为新手刷题和写作的一部分,欢迎大家指正。

题目链接

https://leetcode.com/problems/binary-tree-level-order-traversal-ii/

题目原文

Given a binary tree, return the bottom-up level order traversal of its nodes’ values. (ie, from left to right, level by level from leaf to root).

For example:
Given binary tree {3,9,20,#,#,15,7},

    3
   / \
  9  20
    /  \
   15   7

return its bottom-up level order traversal as:

[
  [15,7],
  [9,20],
  [3]
]

题目翻译

给定一个二叉树,返回其从下到上的层序遍历(从左到右,从下到上)。

思路方法

这道题实际上完全可以先得到从上到下的层序遍历,再逆序结果,但这样就没意思了,所以应该尝试避免reverse操作。不过方法还是类似的。
相关问题:102. Binary Tree Level Order Traversal [easy] (Python)

思路一

用队列来实现BFS,注意要在广搜的时候记录当前的层数。

代码

# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution(object):
    def levelOrderBottom(self, root):
        """
        :type root: TreeNode
        :rtype: List[List[int]]
        """
        res = []
        queue = [(root, 0)]
        while len(queue) > 0:
            node, depth = queue.pop()
            if node:
                if len(res) <= depth:
                    res.insert(0, [])
                res[-(depth+1)].append(node.val)
                queue.insert(0, (node.left, depth+1))
                queue.insert(0, (node.right, depth+1))
        return res

思路二

用栈来实现DFS,注意要在深搜的时候记录当前的深度。

代码

# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution(object):
    def levelOrderBottom(self, root):
        """
        :type root: TreeNode
        :rtype: List[List[int]]
        """
        res = []
        stack = [(root, 0)]
        while len(stack) > 0:
            node, depth = stack.pop()
            if node:
                if len(res) <= depth:
                    res.insert(0, [])
                res[-(depth+1)].append(node.val)
                stack.append((node.right, depth+1))
                stack.append((node.left, depth+1))
        return res

思路三

递归法实现DFS。

代码

# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution(object):
    def levelOrderBottom(self, root):
        """
        :type root: TreeNode
        :rtype: List[List[int]]
        """
        res = []
        self.dfs(root, 0, res)
        return res

    def dfs(self, root, depth, res):
        if root:
            if depth >= len(res):
                res.insert(0, [])
            res[-(depth+1)].append(root.val)
            self.dfs(root.left, depth+1, res)
            self.dfs(root.right, depth+1, res)

PS: 新手刷LeetCode,新手写博客,写错了或者写的不清楚还请帮忙指出,谢谢!
转载请注明:http://blog.youkuaiyun.com/coder_orz/article/details/51583729

### 解决方案 要找到二叉树中节点'C'的兄弟节点,可以通过分析给定的中序遍历序列来实现。在中序遍历中,父节点位于其左子树和右子树之间。因此,通过定位'C'的位置并查找与其在同一层上的其他节点,可以推断出它的兄弟节点。 #### 中序遍历的特点 中序遍历遵循“左根右”的顺序访问节点。对于任意节点,如果它有兄弟节点,则该兄弟节点会在同一层次上被访问到。假设我们已知某个节点(如'C')的位置,那么我们可以利用这个位置信息进一步判断哪个节点可能是它的兄弟节点[^1]。 #### 给定数据 输入的中序遍历序列为 `{E, A, D, B, F, H, C, G}`。 目标是找出'C'的兄弟节点。 --- #### 步骤解析 1. **确定'C'的位置** 在中序遍历序列中,'C'出现在索引`6`处(基于零索引)。这意味着'C'属于某棵子树中的右侧部分,因为它是靠近序列末端的一个元素。 2. **寻找可能的父亲节点** 根据中序遍历特性,“父亲”总是介于两个孩子节点之间。观察序列可知,在'C'之前最近的一次分隔是由'H'完成的,而'H'本身又紧随'B'之后。这表明'B'很可能是'C'所在子树的一部分,并且作为潜在的父亲候选者之一。 3. **验证兄弟关系** 如果'B'确实是'C'的父亲,则另一个儿子应该是与'C'处于相同级别的节点——即'H'。这是因为'H'直接跟随着'B'出现,并且也满足父子结构的要求。 4. **结论** 基于上述推理过程得出最终答案:节点'C'的唯一兄弟节点为'H'[ ^2 ]. --- ### Python 实现代码示例 以下是用于解决此问题的一种简单方法: ```python def find_sibling(inorder_traversal, target_node): try: idx_target = inorder_traversal.index(target_node) # 查找左侧相邻项 (可能的兄弟节点) if idx_target > 0: potential_sibling_left = inorder_traversal[idx_target - 1] # 查找右侧相邻项 (可能的兄弟节点) if idx_target < len(inorder_traversal)-1: potential_sibling_right = inorder_traversal[idx_target + 1] return [potential_sibling_left,potential_sibling_right] except ValueError: return None inorder_sequence = ['E', 'A', 'D', 'B', 'F', 'H', 'C', 'G'] target = 'C' siblings_of_C = find_sibling(inorder_sequence,target) print(f"Siblings of '{target}' : {siblings_of_C}") ``` 运行以上脚本会返回如下结果: ``` Siblings of 'C' : ['H','G'] ``` 注意这里额外包含了后续节点‘G’,但实际上根据具体上下文需确认实际逻辑关联度再做筛选处理。 --- ###
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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