代码随想录-Day18

2024-05-25 19:04
文章标签 随想录 代码 day18

本文主要是介绍代码随想录-Day18,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

513. 找树左下角的值

给定一个二叉树的 根节点 root,请找出该二叉树的 最底层 最左边 节点的值。

假设二叉树中至少有一个节点。

方法一:深度优先搜索

class Solution {int curVal = 0;int curHeight = 0;public int findBottomLeftValue(TreeNode root) {int curHeight = 0;dfs(root, 0);return curVal;}public void dfs(TreeNode root, int height) {if (root == null) {return;}height++;dfs(root.left, height);dfs(root.right, height);if (height > curHeight) {curHeight = height;curVal = root.val;}}
}

这段代码是用来解决一个问题:在一棵二叉树中找到最底层最左边的节点的值。代码采用了深度优先搜索(DFS)的方式遍历二叉树,并利用两个类变量curValcurHeight记录当前遍历到的最深的节点值以及相应的深度。

  • class Solution 是定义的解题类。

  • int curVal = 0;int curHeight = 0; 是类变量,分别用来存储当前已知的最深节点的值和其所在深度。

  • public int findBottomLeftValue(TreeNode root) 是主方法,输入为二叉树的根节点 root,输出是最底层最左边节点的值。这里定义了一个局部变量 curHeight 来记录当前遍历的深度,虽然它与类变量同名,但在方法作用域内互不影响。首先调用 dfs 方法对树进行深度优先遍历,并传入根节点和初始高度0。遍历完成后,返回类变量 curVal 作为结果。

  • public void dfs(TreeNode root, int height) 是一个私有的辅助方法,用于递归地进行深度优先遍历。输入参数为当前节点 root 和该节点的当前高度 height

    • 如果节点为空,则直接返回,结束本次递归。
    • 然后将高度加1,准备遍历下一层。
    • 先递归遍历左子树,再递归遍历右子树,这样的顺序保证了在遍历到同一深度的节点时,先访问左边的节点。
    • 在递归调用返回之后,检查当前节点的高度是否大于已知的最大深度 curHeight。如果是,则更新 curHeightcurVal,使得它们分别记录当前遍历到的最深深度及该深度最左边节点的值。

通过这样的DFS遍历,能够确保最后得到的 curVal 是位于最底层最左边的节点的值。

方法二:广度优先搜索

class Solution {public int findBottomLeftValue(TreeNode root) {int ret = 0;Queue<TreeNode> queue = new ArrayDeque<TreeNode>();queue.offer(root);while (!queue.isEmpty()) {TreeNode p = queue.poll();if (p.right != null) {queue.offer(p.right);}if (p.left != null) {queue.offer(p.left);}ret = p.val;}return ret;}
}

这段代码实现了在二叉树中找到最底层最左边的节点值。代码使用了广度优先搜索(BFS)进行层次遍历。以下是代码的详细解释:

方法签名

public int findBottomLeftValue(TreeNode root)

该方法接受一个 TreeNode 类型的根节点 root 作为输入,返回一个整数类型的最底层最左边的节点值。

变量声明

int ret = 0;
Queue<TreeNode> queue = new ArrayDeque<TreeNode>();
  • ret 变量用于存储最终的最底层最左边的节点值。
  • queue 是一个队列,用于执行广度优先搜索。初始化为 ArrayDeque 类型。

初始化队列

queue.offer(root);

将根节点 root 放入队列中。

广度优先搜索

while (!queue.isEmpty()) {TreeNode p = queue.poll();if (p.right != null) {queue.offer(p.right);}if (p.left != null) {queue.offer(p.left);}ret = p.val;
}
  • 使用 while 循环,当队列不为空时继续循环。
  • TreeNode p = queue.poll(); 取出队列的第一个节点 p
  • 如果 p 的右子节点不为空,将其放入队列。
  • 如果 p 的左子节点不为空,将其放入队列。
  • 每次循环,将当前节点的值 p.val 赋值给 ret

返回结果

return ret;

返回 ret 作为最底层最左边的节点值。

代码逻辑

  1. 初始化:将根节点放入队列中。
  2. 广度优先搜索
    • 每次从队列中取出一个节点。
    • 优先将右子节点入队,再将左子节点入队。
    • 更新 ret 为当前节点的值。
  3. 终止条件:当队列为空时,循环结束。此时,ret 存储的就是最底层最左边的节点值。

思路解释

使用广度优先搜索遍历树的每一层,并且每次都优先处理右子节点。这意味着当到达最底层时,最先被处理的节点将是最左边的节点。每次更新 ret,最终 ret 会是最底层最左边的节点值。

示例

考虑如下二叉树:

        2/ \1   3/ \4   5/7
  • 初始时,队列为 [2]
  • 取出 2,加入 31,队列为 [3, 1]
  • 取出 3,队列为 [1]
  • 取出 1,加入 54,队列为 [5, 4]
  • 取出 5,队列为 [4]
  • 取出 4,加入 7,队列为 [7]
  • 取出 7,队列为空

最终返回 7,即最底层最左边的节点值。

112. 路径总和

给你二叉树的根节点 root 和一个表示目标和的整数 targetSum 。判断该树中是否存在 根节点到叶子节点 的路径,这条路径上所有节点值相加等于目标和 targetSum 。如果存在,返回 true ;否则,返回 false 。

叶子节点 是指没有子节点的节点。

方法一:广度优先搜索

class Solution {public boolean hasPathSum(TreeNode root, int sum) {if (root == null) {return false;}Queue<TreeNode> queNode = new LinkedList<TreeNode>();Queue<Integer> queVal = new LinkedList<Integer>();queNode.offer(root);queVal.offer(root.val);while (!queNode.isEmpty()) {TreeNode now = queNode.poll();int temp = queVal.poll();if (now.left == null && now.right == null) {if (temp == sum) {return true;}continue;}if (now.left != null) {queNode.offer(now.left);queVal.offer(now.left.val + temp);}if (now.right != null) {queNode.offer(now.right);queVal.offer(now.right.val + temp);}}return false;}
}

这段代码实现了一个名为 Solution 的类,其中有一个方法 hasPathSum,用于判断一棵二叉树中是否存在从根节点到叶子节点的路径,使得沿途经过的节点值之和等于给定的 sum 值。该方法采用了广度优先搜索(BFS)的策略,使用两个队列分别存储待遍历的节点和对应节点值的累加和。

  • 方法签名:public boolean hasPathSum(TreeNode root, int sum),接收二叉树的根节点 root 和目标和 sum,返回值是一个布尔值,表示是否存在满足条件的路径。

  • 初始化两个队列:Queue<TreeNode> queNode 用于存储待遍历的节点,Queue<Integer> queVal 用于存储从根节点到当前节点路径上节点值的累加和。首先将根节点和其值入队。

  • 使用 while 循环处理队列,直到队列为空,表示树已被完全遍历。

    • 每次循环从队列中弹出一个节点 now 和对应的累加和 temp
    • 判断当前节点是否为叶子节点(即左右子节点均为 null),若是且累加和 temp 等于目标和 sum,则返回 true,表示找到了满足条件的路径。
    • 若当前节点不是叶子节点,将其左右子节点(若存在)及其对应的累加和(子节点值加 temp)分别入队,以便下一轮循环继续遍历。
  • 如果循环结束还没有找到满足条件的路径,则返回 false

需要注意的是,这段代码的逻辑是正确的,但是它解决的问题是“是否存在从根节点到叶子节点的路径,其节点值之和等于给定的 sum”,而不是原问题描述中寻找二叉树中最底层最左边的节点值。对于后者,应该采用不同的逻辑来追踪每一层的第一个节点。

方法二:递归

class Solution {public boolean hasPathSum(TreeNode root, int sum) {if (root == null) {return false;}if (root.left == null && root.right == null) {return sum == root.val;}return hasPathSum(root.left, sum - root.val) || hasPathSum(root.right, sum - root.val);}
}

这段代码是使用递归方法实现的 Java 程序,用于解决“判断一棵二叉树中是否存在从根节点到叶子节点的路径,使得沿途经过的节点值之和等于给定的 sum”的问题。这里是针对原始问题的正确解答,与之前讨论的寻找最底层最左边节点值的问题无关。下面是代码的详细解释:

  • Solution 中定义了方法 hasPathSum,它接收两个参数:一个 TreeNode 类型的参数 root 表示二叉树的根节点,一个整型参数 sum 表示目标和。

  • 首先,检查根节点是否为空,如果为空则直接返回 false,表示不存在这样的路径。

  • 然后,检查当前节点是否为叶子节点(即没有左右子节点)。如果是叶子节点,并且该节点的值等于 sum,则返回 true,表示找到了一条满足条件的路径。

  • 如果当前节点不是叶子节点,递归地在左子树和右子树中寻找满足条件的路径。这里通过减去当前节点的值 root.val 来更新目标和 sum,分别对左子树和右子树调用 hasPathSum 方法。如果左子树或右子树中任意一侧存在满足条件的路径,就返回 true;如果两侧都没有满足条件的路径,则返回 false

通过这种方式,代码高效地遍历了整棵树,仅沿着有可能达到目标和的路径进行探索,最终确定是否存在满足条件的路径。这是一种典型的深度优先搜索(DFS)策略。

106. 从中序与后序遍历序列构造二叉树

给定两个整数数组 inorder 和 postorder ,其中 inorder 是二叉树的中序遍历, postorder 是同一棵树的后序遍历,请你构造并返回这颗 二叉树 。
在这里插入图片描述

方法一:递归

class Solution {int post_idx;int[] postorder;int[] inorder;Map<Integer, Integer> idx_map = new HashMap<Integer, Integer>();public TreeNode helper(int in_left, int in_right) {// 如果这里没有节点构造二叉树了,就结束if (in_left > in_right) {return null;}// 选择 post_idx 位置的元素作为当前子树根节点int root_val = postorder[post_idx];TreeNode root = new TreeNode(root_val);// 根据 root 所在位置分成左右两棵子树int index = idx_map.get(root_val);// 下标减一post_idx--;// 构造右子树root.right = helper(index + 1, in_right);// 构造左子树root.left = helper(in_left, index - 1);return root;}public TreeNode buildTree(int[] inorder, int[] postorder) {this.postorder = postorder;this.inorder = inorder;// 从后序遍历的最后一个元素开始post_idx = postorder.length - 1;// 建立(元素,下标)键值对的哈希表int idx = 0;for (Integer val : inorder) {idx_map.put(val, idx++);}return helper(0, inorder.length - 1);}
}

这段代码是用于根据给定的中序遍历(inorder)和后序遍历(postorder)数组重建一棵二叉树。代码定义了一个名为 Solution 的类,其中有两个成员变量和两个主要方法:

  1. 成员变量:

    • post_idx:记录当前处理的后序遍历数组中的元素位置。
    • postorderinorder:分别存储给定的后序遍历和中序遍历数组。
    • idx_map:一个哈希映射,存储中序遍历中每个元素对应的索引,便于快速查找。
  2. 主要方法:

    • helper(int in_left, int in_right):这是一个递归方法,用于根据给定的中序遍历区间 [in_left, in_right] 重建子树。方法内部首先判断区间有效性,然后根据后序遍历数组的当前元素(即子树根节点)分割中序遍历区间,递归地构建右子树和左子树,最后返回根节点。

    • buildTree(int[] inorder, int[] postorder):这是主要的接口方法,接收中序遍历和后序遍历的数组,初始化必要的数据,包括设置 post_idx 初始值、构建哈希映射 idx_map,然后调用 helper 方法从整个中序遍历区间开始重建二叉树,并返回根节点。

整体逻辑遵循二叉树后序遍历的特性,即后序遍历的最后一个元素是树的根节点,利用中序遍历来确定左右子树的划分。通过哈希表快速定位根节点在中序遍历中的位置,以此分治递归地构建整颗二叉树。

方法二:迭代

class Solution {public TreeNode buildTree(int[] inorder, int[] postorder) {if (postorder == null || postorder.length == 0) {return null;}TreeNode root = new TreeNode(postorder[postorder.length - 1]);Deque<TreeNode> stack = new LinkedList<TreeNode>();stack.push(root);int inorderIndex = inorder.length - 1;for (int i = postorder.length - 2; i >= 0; i--) {int postorderVal = postorder[i];TreeNode node = stack.peek();if (node.val != inorder[inorderIndex]) {node.right = new TreeNode(postorderVal);stack.push(node.right);} else {while (!stack.isEmpty() && stack.peek().val == inorder[inorderIndex]) {node = stack.pop();inorderIndex--;}node.left = new TreeNode(postorderVal);stack.push(node.left);}}return root;}
}

这段代码实现了一个名为 Solution 的类,其中包含一个方法 buildTree,该方法接收两个整型数组参数 inorderpostorder,分别表示某个二叉树的中序遍历和后序遍历结果。目的是根据这两个遍历结果重建出原来的二叉树结构,并返回该二叉树的根节点。

代码逻辑分析如下:

  1. 首先检查 postorder 数组是否为空或者长度为0,如果是,则直接返回 null,表示没有树可构建。
  2. 初始化根节点:根据后序遍历特点,最后一个元素是树的根节点,所以创建一个新的 TreeNode,其值为 postorder 数组的最后一个元素。
  3. 准备一个 Deque(双端队列)stack,并把根节点压入栈中。
  4. 初始化 inorderIndexinorder 数组的最后一个有效索引,因为在后序遍历中根节点之后的元素将构成右子树或左子树。
  5. postorder 数组的倒数第二个元素开始遍历(索引 ipostorder.length - 20):
    • 获取当前遍历到的后序遍历值 postorderVal
    • 检查栈顶元素(即当前正在构建的子树的根节点)的值是否与 inorder[inorderIndex] 匹配:
      • 如果不匹配,说明当前 postorderVal 应该属于栈顶节点的右子树,因此创建一个新的右子节点,将其值设为 postorderVal,并压入栈中。
      • 如果匹配,说明已经处理完栈顶节点的右子树,需要向上回溯到可以连接新节点(当前 postorderVal 对应节点)作为左子节点的位置。通过一个 while 循环不断弹出栈顶节点并更新 inorderIndex,直到找到合适的位置(或栈为空)。
        • 找到合适位置后,为当前 node 创建左子节点,值为 postorderVal,并将其压入栈中,继续处理下一个 postorder 中的元素。
  6. 遍历完成后,栈中构建的结构即为完整的二叉树,返回根节点。

这种方法利用了后序遍历(左右根)和中序遍历(左根右)的特点,通过栈来辅助构建二叉树,从后序遍历数组反向构建,有效地恢复了原二叉树的结构。

这篇关于代码随想录-Day18的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1002356

相关文章

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

使用Java将DOCX文档解析为Markdown文档的代码实现

《使用Java将DOCX文档解析为Markdown文档的代码实现》在现代文档处理中,Markdown(MD)因其简洁的语法和良好的可读性,逐渐成为开发者、技术写作者和内容创作者的首选格式,然而,许多文... 目录引言1. 工具和库介绍2. 安装依赖库3. 使用Apache POI解析DOCX文档4. 将解析

C++使用printf语句实现进制转换的示例代码

《C++使用printf语句实现进制转换的示例代码》在C语言中,printf函数可以直接实现部分进制转换功能,通过格式说明符(formatspecifier)快速输出不同进制的数值,下面给大家分享C+... 目录一、printf 原生支持的进制转换1. 十进制、八进制、十六进制转换2. 显示进制前缀3. 指

使用Python实现全能手机虚拟键盘的示例代码

《使用Python实现全能手机虚拟键盘的示例代码》在数字化办公时代,你是否遇到过这样的场景:会议室投影电脑突然键盘失灵、躺在沙发上想远程控制书房电脑、或者需要给长辈远程协助操作?今天我要分享的Pyth... 目录一、项目概述:不止于键盘的远程控制方案1.1 创新价值1.2 技术栈全景二、需求实现步骤一、需求

Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码

《Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码》:本文主要介绍Java中日期时间转换的多种方法,包括将Date转换为LocalD... 目录一、Date转LocalDateTime二、Date转LocalDate三、LocalDateTim

jupyter代码块没有运行图标的解决方案

《jupyter代码块没有运行图标的解决方案》:本文主要介绍jupyter代码块没有运行图标的解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录jupyter代码块没有运行图标的解决1.找到Jupyter notebook的系统配置文件2.这时候一般会搜索到

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面