Fluge Site

二叉树的各种遍历方式,包括递归和非递归的整理

  1. 前、中、后三种方式的递归和非递归
  2. 广度优先和层次遍历(树的深度的非递归解法)
  3. 深度优先

    前序遍历

    前序遍历就是:先根节点 —> 左节点 —> 右节点
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    //递归解法
    func PreOrderTraversal(root *TreeNode) []int {
    if root == nil {
    return nil
    }
    res := make([]int, 0)
    res = append(res, root.Val)
    if root.Left != nil {
    res = append(res, PreOrderTraversal(root.Left)...)
    }
    if root.Right != nil {
    res = append(res, PreOrderTraversal(root.Right)...)
    }
    return res
    }

    //非递归解法
    func PreOrderTraversal2(root *TreeNode) []int {
    if root == nil {
    return nil
    }
    stack := make([]*TreeNode, 0)
    res := make([]int, 0)
    //把根节点入栈
    for root != nil || len(stack) > 0 {
    //不停的找做节点
    for root != nil {
    //根节点先输出
    res = append(res, root.Val)
    stack = append(stack, root)
    root = root.Left
    }
    //出栈操作
    root = stack[len(stack)-1]
    stack = stack[:len(stack)-1]
    //遍历右节点
    root = root.Right
    }
    return res
    }

中序遍历

中序遍历就是:先左节点 —> 根节点 —> 右节点

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
func InOrderTraversal(root *TreeNode) []int {
if root == nil {
return nil
}
var ret []int
lret := InOrderTraversal(root.Left)
if len(lret) > 0 {
ret = append(ret, lret...)
}
ret = append(ret, root.Val)
rret := InOrderTraversal(root.Right)
if len(rret) > 0 {
ret = append(ret, rret...)
}
return ret
}

//中序遍历的非递归 --- 使用栈
func InOrderTraversal2(root *TreeNode) []int {
if root == nil {
return nil
}
stack := make([]*TreeNode, 0)
res := make([]int, 0)

for root != nil || len(stack) > 0 {
//把左子树一直入栈
for root != nil {
stack = append(stack, root)
root = root.Left
}
//对左子树出栈
root = stack[len(stack)-1]
res = append(res, root.Val)
stack = stack[:len(stack)-1]
//有节点
root = root.Right
}
return res
}

后序遍历

后序遍历就是:先左节点 —> 右节点 —> 根节点

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

//递归后序
func PostOrderTraversal(root *TreeNode) []int {
if root == nil {
return nil
}
res := make([]int, 0)
if root.Left != nil {
res = append(res, PostOrderTraversal(root.Left)...)
}
if root.Right != nil {
res = append(res, PostOrderTraversal(root.Right)...)
}
res = append(res, root.Val)
return res
}

//非递归:使用双栈法
func PostOrderTraversal2(root *TreeNode) []int {
if root == nil {
return nil
}
//初始化一个栈
stack := make([]*TreeNode, 0)
//根节点入栈
stack = append(stack, root)
//结果集
res := make([]int, 0)
for len(stack) > 0 {
//取栈顶元素
node := stack[len(stack)-1]
stack = stack[:len(stack)-1]
if len(res) == 0 {
res = append(res, node.Val)
} else {
//向slice 的头插入对应的值(类似双栈里面的第二个栈)
res = append(res[:1], res[0:]...)
res[0] = node.Val
}

if node.Left != nil {
stack = append(stack, node.Left)
}
if node.Right != nil {
stack = append(stack, node.Right)
}
}
return res
}

层次遍历

层次遍历也可以叫做广度优先遍历,有几种解法,实现了其中的傀儡节点法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
func LevelOrder(root *TreeNode) [][]int {
list := make([]*TreeNode, 0)
res := make([][]int, 0)

if root == nil {
return res
}
//加入头节点
list = append(list, root)
//加入傀儡节点(使用-1 作为傀儡节点)
list = append(list, &TreeNode{
Val: MinInt,
})

tmp := make([]int, 0)
//表示不为空
for len(list) > 0 {
if list[0].Val == MinInt && list[0].Right == nil && list[0].Left == nil {
//遍历到傀儡节点了,就在队列里面插入一个傀儡节点
list = append(list, &TreeNode{
Val: MinInt,
})
if len(tmp) > 0 {
res = append(res, tmp)
//重新初始化一个tmp,表示另一层
tmp = make([]int, 0)
} else {
break
}
} else {
//不是傀儡节点,就把左右节点分别入队
tmp = append(tmp, list[0].Val)
//有左右节点,先从做节点入队,然后是有节点
if list[0].Left != nil {
list = append(list, list[0].Left)
}
if list[0].Right != nil {
list = append(list, list[0].Right)
}
}
//把当前元素出队
list = list[1:]
}
return res
}

类似求树的最大深度也可以用这个非递归的方式求解。

深度优先遍历

深度优先就可以使用先序遍历来实现