前序与中序遍历构造二叉树

精选原创

rust游神 2022-03-15 09:10:03 博主文章分类：数据结构与算法 ©著作权

文章标签 子树中序遍历前序遍历 文章分类 大数据 yyds干货盘点

©著作权归作者所有：来自51CTO博客作者rust游神的原创作品，请联系作者获取转载授权，否则将追究法律责任

大家好🙌我是你们的好朋友，程序员乌拉😀。相遇是缘，既然来了就拎着小板凳坐下来一起唠会儿😎，如果在文中有所收获，请别忘了一键三连，动动你发财的小手👍，你的鼓励，是我创作的动力😁！废话不多说，直接😎 开干吧！

==PS：文末干货，记得拎着小板凳离开的时候也给它顺走== 🤣 座右铭：“懒”对一个人的毁灭性有多大，早起的重要性就多大。

前序与中序遍历构造二叉树

题目

解析：

给定两个整数数组 preorder 和 inorder，其中preorder是二叉树的先序遍历，inorder是同一棵树的中序遍历，构造二叉树并返回其根节点。

示例1：

input：preorder = [3, 9, 20, 15, 7], inorder = [9, 3, 15, 20, 7]
output：[3, 9, 20, null, null, 15, 7]

示例2：

input：preorder = [-1], inorder = [-1]
output：[-1]

遍历规则

二叉树前序遍历的顺序为：简称" 根左右"

先遍历根节点；
随后递归地遍历左子树；
最后递归地遍历右子树。

二叉树中序遍历的顺序为：简称" 左根右"

先递归地遍历左子树；
随后遍历根节点；
最后递归地遍历右子树。

二叉树后序遍历的顺序为：简称" 左右根"

先递归地遍历左子树；
随后遍历右节点；
最后递归地遍历根子树。

方法1：递归

解析：

对于任意一棵树而言，前序遍历的规则为：

[ 根节点, [左子树的前序遍历结果], [右子树的前序遍历结果] ]

即根节点在前序遍历中，总是第一个被访问的节点。而中序遍历的规则为：

[ [左子树的中序遍历结果], 根节点, [右子树的中序遍历结果] ]

1、在中序遍历中定位到根节点，那么就可以分别知道左子树和右子树中的节点数目。

2、由于同一颗子树的前序遍历和中序遍历的长度显然是相同的，因此就可以对应到前序遍历的结果中，对上述形式中的所有左右括号进行定位。

3、知道了左子树的前序遍历和中序遍历结果，以及右子树的前序遍历和中序遍历结果，就可以递归地对构造出左子树和右子树，再将这两颗子树接到根节点的左右位置。

在中序遍历中对根节点进行定位时，一种简单的方法是直接扫描整个中序遍历的结果并找出根节点，时间复杂度较高。可以考虑使用哈希表来帮助快速地定位根节点。

对于哈希映射中的每个键值对，键表示一个元素（节点的值），值表示其在中序遍历中的出现位置。

在构造二叉树的过程之前，可以对中序遍历的列表进行一遍扫描，就可以构造出这个哈希映射。在此后构造二叉树的过程中，就只需要 O(1) 的时间对根节点进行定位了。

Java实现代码

public class TreeNode {
     int val;
     TreeNode left;
     TreeNode right;
     TreeNode() {}
     TreeNode(int val) { this.val = val; }
     TreeNode(int val, TreeNode left, TreeNode right) {
          this.val = val;
          this.left = left;
          this.right = right;
     }
 }

class Solution {
    private Map<Integer, Integer> indexMap;

    public TreeNode myBuildTree(int[] preorder, int[] inorder, int preorder_left, int preorder_right, int inorder_left, int inorder_right) {
        if (preorder_left > preorder_right) {
            return null;
        }

        // 前序遍历中的第一个节点就是根节点
        int preorder_root = preorder_left;
        // 在中序遍历中定位根节点
        int inorder_root = indexMap.get(preorder[preorder_root]);
        
        // 先把根节点建立出来
        TreeNode root = new TreeNode(preorder[preorder_root]);
        // 得到左子树中的节点数目
        int size_left_subtree = inorder_root - inorder_left;
        // 递归地构造左子树，并连接到根节点
        // 先序遍历中「从 左边界+1 开始的 size_left_subtree」个元素就对应了中序遍历中「从 左边界 开始到 根节点定位-1」的元素
        root.left = myBuildTree(preorder, inorder, preorder_left + 1, preorder_left + size_left_subtree, inorder_left, inorder_root - 1);
        // 递归地构造右子树，并连接到根节点
        // 先序遍历中「从 左边界+1+左子树节点数目 开始到 右边界」的元素就对应了中序遍历中「从 根节点定位+1 到 右边界」的元素
        root.right = myBuildTree(preorder, inorder, preorder_left + size_left_subtree + 1, preorder_right, inorder_root + 1, inorder_right);
        return root;
    }

    public TreeNode buildTree(int[] preorder, int[] inorder) {
        int n = preorder.length;
        // 构造哈希映射，帮助我们快速定位根节点
        indexMap = new HashMap<Integer, Integer>();
        for (int i = 0; i < n; i++) {
            indexMap.put(inorder[i], i);
        }
        return myBuildTree(preorder, inorder, 0, n - 1, 0, n - 1);
    }
}

复杂度分析

时间复杂度：O(n)，其中 n 是树中的节点个数。
空间复杂度：O(n)，除去返回的答案需要的 O(n) 空间之外，还需要使用 O(n) 的空间存储哈希映射，以及 O(h)（其中 h 是树的高度）的空间表示递归时栈空间。这里 h<n，所以总空间复杂度为 O(n)。

Python实现代码

class TreeNode:
	def __init__(self, val=0, left=None, right=None):
		self.val = val
		self.left = left
		self.right = right

class Solution:
	def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
		def myBuildTree(preorder_left: int, preorder_right: int, inorder_left: int, inorder_right: int):
			if preorder_left > preorder_right:
            return None
            
            # 前序遍历中的第一个节点就是根节点
            preorder_root = preorder_left
            # 在中序遍历中定位根节点
            inorder_root = index[preorder[preorder_root]]
            
            # 先把根节点建立出来
            root = TreeNode(preorder[preorder_root])
            # 得到左子树中的节点数目
            size_left_subtree = inorder_root - inorder_left
            # 递归地构造左子树，并连接到根节点
            # 先序遍历中「从 左边界+1 开始的 size_left_subtree」个元素就对应了中序遍历中「从 左边界 开始到 根节点定位-1」的元素
            root.left = myBuildTree(preorder_left + 1, preorder_left + size_left_subtree, inorder_left, inorder_root - 1)
            # 递归地构造右子树，并连接到根节点
            # 先序遍历中「从 左边界+1+左子树节点数目 开始到 右边界」的元素就对应了中序遍历中「从 根节点定位+1 到 右边界」的元素
            root.right = myBuildTree(preorder_left + size_left_subtree + 1, preorder_right, inorder_root + 1, inorder_right)
            return root
        
        n = len(preorder)
        # 构造哈希映射，帮助我们快速定位根节点
        index = {element: i for i, element in enumerate(inorder)}
        return myBuildTree(0, n - 1, 0, n - 1)

方法2：迭代

解析：

对于前序遍历中的任意两个连续节点 u 和 v，根据前序遍历的流程，可以知道 u 和 v 的两种可能关系：

v 是 u 的左儿子。这是因为在遍历到 u 之后，下一个遍历的节点就是 u 的左儿子，即 v；
u 没有左儿子，并且 v 是 u 的某个祖先节点（或者 u 本身）的右儿子。如果 u 没有左儿子，那么下一个遍历的节点就是 u 的右儿子。如果 u 没有右儿子，就会向上回溯，直到遇到第一个有右儿子（且 u 不在它的右儿子的子树中）的节点 a，那么 v 就是 a 的右儿子。

前序遍历：

preorder = [3, 9, 8, 5, 4, 10, 20, 15, 7]

中序遍历：

inorder = [4, 5, 8, 10, 9, 3, 15, 20, 7]

用一个栈 stack 来维护「当前节点的所有还没有考虑过右儿子的祖先节点」，栈顶就是当前节点。

1、只有在栈中的节点才可能连接一个新的右儿子。

2、同时，用一个指针 index 指向中序遍历的某个位置，初始值为 0。

3、index 对应的节点是「当前节点不断往左走达到的最终节点」，这也是符合中序遍历的。

具体体现

首先将根节点 3 入栈，再初始化 index 所指向的节点为 4，随后对于前序遍历中的每个节点，依次判断它是栈顶节点的左儿子，还是栈中某个节点的右儿子。

1、遍历 9。9一定是栈顶节点 3 的左儿子。使用反证法，假设 9 是 3 的右儿子，那么 3 没有左儿子，index 应该恰好指向 3，但实际上为 4，因此产生了矛盾。所以我们将 9 作为 3 的左儿子，并将 9 入栈。

stack = [3, 9]
index -> inorder[0] = 4

2、遍历 8，5 和 4。同理可得它们都是上一个节点（栈顶节点）的左儿子，所以它们会依次入栈。

stack = [3, 9, 8, 5, 4]
index -> inorder[0] = 4

3、遍历 10，这时情况就不一样了。发现 index 恰好指向当前的栈顶节点 4，也就是说 4 没有左儿子，那么 10 必须为栈中某个节点的右儿子。

那么如何找到这个节点呢？

栈中的节点的顺序和它们在前序遍历中出现的顺序是一致的，而且每一个节点的右儿子都还没有被遍历过，那么这些节点的顺序和它们在中序遍历中出现的顺序一定是相反的。

==因为栈中的任意两个相邻的节点，前者都是后者的某个祖先。并且我们知道，栈中的任意一个节点的右儿子还没有被遍历过，说明后者一定是前者左儿子的子树中的节点，那么后者就先于前者出现在中序遍历中。==

可以把 index 不断向右移动，并与栈顶节点进行比较。如果 index 对应的元素恰好等于栈顶节点，那么说明在中序遍历中找到了栈顶节点，所以将 index 增加 1 并弹出栈顶节点，直到 index 对应的元素不等于栈顶节点。

按照这样的过程，弹出的最后一个节点 x 就是 10 的双亲节点，这是因为 10 出现在了 x 与 x 在栈中的下一个节点的中序遍历之间，因此 10 就是 x 的右儿子。

回到例子，会依次从栈顶弹出 4，5 和 8，并且将 index 向右移动了三次。将 10 作为最后弹出的节点 8 的右儿子，并将 10 入栈。

stack = [3, 9, 10]
index -> inorder[3] = 10

4、遍历 20。同理，index 恰好指向当前栈顶节点 10，那么会依次从栈顶弹出 10，9 和 3，并且将 index 向右移动了三次。将 20 作为最后弹出的节点 3 的右儿子，并将 20 入栈。

stack = [20]
index -> inorder[6] = 15

5、遍历 15，将 15 作为栈顶节点 20 的左儿子，并将 15 入栈。

stack = [20, 15]
index -> inorder[6] = 15

6、遍历 7。index 恰好指向当前栈顶节点 15，那么会依次从栈顶弹出 15 和 20，并且将 index 向右移动了两次。将 7 作为最后弹出的节点 20 的右儿子，并将 7 入栈。

stack = [7]
index -> inorder[8] = 7

算法流程

1、用一个栈和一个指针辅助进行二叉树的构造。

2、初始时栈中存放了根节点（前序遍历的第一个节点），指针指向中序遍历的第一个节点；

3、依次枚举前序遍历中除了第一个节点以外的每个节点。如果 index 恰好指向栈顶节点，那么不断地弹出栈顶节点并向右移动 index，并将当前节点作为最后一个弹出的节点的右儿子；如果 index 和栈顶节点不同，将当前节点作为栈顶节点的左儿子；

4、无论是哪一种情况，最后都将当前的节点入栈。

Java实现代码

public class TreeNode {
     int val;
     TreeNode left;
     TreeNode right;
     TreeNode() {}
     TreeNode(int val) { this.val = val; }
     TreeNode(int val, TreeNode left, TreeNode right) {
          this.val = val;
          this.left = left;
          this.right = right;
     }
 }

class Solution {
    public TreeNode buildTree(int[] preorder, int[] inorder) {
        if (preorder == null || preorder.length == 0) {
            return null;
        }
        
        TreeNode root = new TreeNode(preorder[0]);
        Deque<TreeNode> stack = new LinkedList<TreeNode>();
        stack.push(root);
        int inorderIndex = 0;
        
        for (int i = 1; i < preorder.length; i++) {
            int preorderVal = preorder[i];
            TreeNode node = stack.peek();
            
            if (node.val != inorder[inorderIndex]) {
                node.left = new TreeNode(preorderVal);
                stack.push(node.left);
                
            } else {
                while (!stack.isEmpty() && stack.peek().val == inorder[inorderIndex]) {
                    node = stack.pop();
                    inorderIndex++;
                }
                node.right = new TreeNode(preorderVal);
                stack.push(node.right);
            }
        }
        
        return root;
    }
}

复杂度分析

时间复杂度：O(n)，其中 n 是树中的节点个数。
空间复杂度：O(n)，除去返回的答案需要的 O(n) 空间之外，还需要使用 O(h)（其中 h 是树的高度）的空间存储栈。这里 h<n，所以（在最坏情况下）总空间复杂度为 O(n)。

Python实现代码

class TreeNode:
	def __init__(self, val=0, left=None, right=None):
		self.val = val
		self.left = left
		self.right = right
        
class Solution:
    def buildTree(self, preorder: List[int], inorder: List[int]) -> TreeNode:
        if not preorder:
            return None

        root = TreeNode(preorder[0])
        stack = [root]
        inorderIndex = 0
        
        for i in range(1, len(preorder)):
            preorderVal = preorder[i]
            node = stack[-1]
            
            if node.val != inorder[inorderIndex]:
                node.left = TreeNode(preorderVal)
                stack.append(node.left)
            else:
                while stack and stack[-1].val == inorder[inorderIndex]:
                    node = stack.pop()
                    inorderIndex += 1
                node.right = TreeNode(preorderVal)
                stack.append(node.right)

        return root