先序中序后序求二叉树

先序中序后序求二叉树

问题

给定一棵二叉树的先序序列(后序序列)和中序序列,要求重建这棵二叉树。

解法

由二叉树的性质可知,先序序列的第一个元素是当前二叉树的根节点,根节点将中序序列分为左子树和右子树。先序序列的第一个元素即为整棵二叉树的根节点,在中序序列中找到该元素,则中序中该元素左侧为左子树,右侧为右子树,依照左右子树个数又可将先序序列剩余元素进行划分,接着只要对左子树和右子树进行递归操作即可。

node* create(int preL, int preR, int inL, int inR)
{
    if (preL > preR)        // 递归边界,序列长度为0
        return NULL;
    
    node* root = new node;
    root->data = pre[preL];     // 先序序列第一个元素为根节点
    
    int k;
    for (k = inL; k <= inR; k++)        // 找到中序序列中的根节点
        if (in[k] == pre[preL])
            break;
    
    int numLeft = k - inL;      // 左子树长度
    
    root->lchild = create(preL + 1, preL + numLeft, inL, k - 1);    // 递归处理左子树
    root->rchild = create(preL + numLeft + 1, preR, k + 1, inR);    // 递归处理右子树
    
    return root;
}

依次类推可以写出后序中序序列求二叉树:

node* create(int postL, int postR, int inL, int inR)
{
    if (postL > postR)      // 递归边界,序列长度为0
        return NULL;
    
    node* root = new node;
    root->data = post[postR];       // 后序序列最后一个元素为根节点
    
    int k;
    for (k = inL; k <= inR; k++)        // 找到中序序列中的根节点
        if (in[k] == post[postR])
            break;
    
    int numLeft = k - inL;      // 左子树长度
    
    root->lchild = create(postL, postL + numLeft - 1, inL, k - 1);    // 递归处理左子树
    root->rchild = create(postL + numLeft, postR - 1, k + 1, inR);    // 递归处理右子树
    
    return root;
}
### 完全二叉树遍历遍历推导后序遍历 对于完全二叉树而言,可以通过其遍历遍历来唯一确定该树结构并进一步获得后序遍历的结果。具体方法如下: #### 方法概述 由于遍历遵循“根-左子树-右子树”的顺而中遍历则按照“左子树-根-右子树”,可以利用这两个特性来重建原始二叉树进而得到所需的后序遍历。 #### 实现过程 1. **获取根节点**:从列的第一个元素得知当前子树的根节点。 2. **划分左右子树范围**:依据上述找到的根节点,在中列里定位此根的位置从而区分出对应的左右两部分即为原树中的左右子树; 3. **递归处理各分支**:重复以上操作分别针对新的左右子树继续执行直到所有节点都被访问完毕为止;此时即可构建完整的二叉树模型。 4. **生成最终结果**:当整棵树被重构完成后依照定义好的规则——“左子树->右子树->根”依次输出各个顶点形成所期望的后续遍历形式。 下面给出一段Python代码用于展示这一逻辑的具体实现方式: ```python def build_tree(preorder, inorder): if not preorder or not inorder: return None root_val = preorder[0] index_in_inorder = inorder.index(root_val) left_subtree_size = index_in_inorder root = TreeNode(root_val) root.left = build_tree(preorder[1:left_subtree_size + 1], inorder[:index_in_inorder]) root.right = build_tree(preorder[left_subtree_size + 1:], inorder[index_in_inorder + 1:]) return root class TreeNode(object): def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def post_order_traversal(node): result = [] stack = [(node,False)] while stack: node,is_visited = stack.pop() if node is None: continue elif is_visited: result.append(node.val) else: stack.append((node,True)) stack.append((node.right,False)) stack.append((node.left,False)) return result ``` 这段程通过`build_tree()`函数基于输入参数preorder(列表) inorder (中列表),自底向上逐步恢复原来的二叉树形态。之后借助辅助类TreeNode表示单个节点的数据成员以及指向下一层级连接关系的信息字段。最后调用`post_order_traversal()`完成对已建好树木对象做一次标准意义上的后序扫描并将沿途遇到的所有数值收集起来作为返回值呈现给用户[^1]。
评论
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