102. Binary Tree Level Order Traversal

本文介绍了如何使用单个队列、两个链表以及虚拟节点的数据结构来实现二叉树的层次遍历。三种方法分别展示了经典BFS问题的不同解决方案,适合初学者理解。

102. Binary Tree Level Order Traversal

Description

Given the root of a binary tree, return the level order traversal of its nodes’ values. (i.e., from left to right, level by level).

Explaination

A classic BFS question: using a single queue / 2 lists / dummy node to solve the problem.

Code

single queue

def levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
     if not root:
          return []
      res = []
      '''
      1-step: add level 1 nodes
      Using collections.deque in python. 
      This gives a 2-sided queue
      '''
      queue = collections.deque([root]) 
      '''
      2-step: while queue is not empty
      Now we have all the nodes on the same level in this queue
      '''
      while queue:
      '''
      append all the values of the same-level nodes to the result list
      '''
          res.append([node.val for node in queue])
      '''
      3-step: add next level nodes
      For all the node in current queue, add their children.
      In for loop, we use range to control the for-loop rounds. 
      It is fixed as we are using range(len(queue)) which generates a iterator [0, len(queue)]. 
      The number of loops will not be changed even if queue is changed.
      '''    
          for _ in range(len(queue)):
              node = queue.popleft()
              if node.left:
                  queue.append(node.left)
              if node.right:
                  queue.append(node.right)
      return res

2 lists

def levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
    if not root:
        return []
    res = []
    '''
    we don't need to pop any elements, so list is enough
    The nodes in one level in recorded in a single list
    Their children are recorded in another list
    After checking all the nodes in current level, we take next_level as current_level and continue our traversal.
    '''
    current_level = [root]
    while current_level:
        res.append([node.val for node in current_level])
        next_level = []
        for node in current_level:
            if node.left:
                next_level.append(node.left)
            if node.right:
                next_level.append(node.right)          
        current_level = next_level
    return res

dummy node

Less indent

def levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
    if not root:
        return []
    res, level = [], []
    '''
    Add None as dummy node at the end of each level
    as long as they have children.
    '''
    queue = collections.deque([root, None])
    while queue:
        node = queue.popleft()
        if node is None:
            res.append(level)
            level = []
            '''
            If there is no following nodes, then this is the end of queue. 
            Only add dummy node when there are following nodes in queue
            '''
            if queue:
                queue.append(None)
            continue
        level.append(node.val)
        if node.left:
            queue.append(node.left)
        if node.right:
            queue.append(node.right)
    return res

### 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
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