Leetcode每日一题学习训练——Python3版(从二叉搜索树到更大和树)

2023-12-05 02:44

本文主要是介绍Leetcode每日一题学习训练——Python3版(从二叉搜索树到更大和树),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!

版本说明

当前版本号[20231204]。

版本修改说明
20231204初版

目录

文章目录

  • 版本说明
  • 目录
  • 从二叉搜索树到更大和树
    • 理解题目
    • 代码思路
    • 参考代码

原题可以点击此 1038. 从二叉搜索树到更大和树 前去练习。

从二叉搜索树到更大和树

给定一个二叉搜索树 root (BST),请将它的每个节点的值替换成树中大于或者等于该节点值的所有节点值之和。

提醒一下, 二叉搜索树 满足下列约束条件:

  • 节点的左子树仅包含键 小于 节点键的节点。
  • 节点的右子树仅包含键 大于 节点键的节点。
  • 左右子树也必须是二叉搜索树。

示例 1:

img

输入:[4,1,6,0,2,5,7,null,null,null,3,null,null,null,8]
输出:[30,36,21,36,35,26,15,null,null,null,33,null,null,null,8]

示例 2:

输入:root = [0,null,1]
输出:[1,null,1]

提示:

  • 树中的节点数在 [1, 100] 范围内。
  • 0 <= Node.val <= 100
  • 树中的所有值均 不重复

理解题目

1、每个节点的值替换成树中大于或者等于该节点值的所有节点值之和 ==》

用 4节点 举个例子: 比 4节点 大的有 5、6、7、8 节点

所以 4节点 所对应的值 :4 + 5 + 6 + 7 + 8 = 30

代码思路

  1. 它定义了一个名为Solution的类,其中包含一个名为bstToGst的方法。该方法接受一个根节点作为参数,并返回转换后的累加树的根节点。

    def bstToGst(self, root: TreeNode) -> TreeNode:
    
  2. bstToGst方法中,定义了一个名为dfs的内部函数,用于执行深度优先搜索。该函数接受一个节点作为参数,并使用递归的方式遍历整个树。

       # 定义一个深度优先搜索函数,用于遍历二叉搜索树def dfs(root: TreeNode):
    
  3. dfs函数中,首先声明了一个名为total的变量,用于存储当前节点的值加上其左子树中所有节点的值的总和。然后,通过递归调用dfs函数遍历右子树,将当前节点的值更新为total,并将total增加当前节点的值。最后,再次递归调用dfs函数遍历左子树。

      nonlocal total  # 声明total为非局部变量,以便在dfs函数内部修改它的值if root:dfs(root.right)  # 先遍历右子树total += root.val  # 累加当前节点的值root.val = total  # 更新当前节点的值为累加和dfs(root.left)  # 再遍历左子树
    
  4. 在主函数中,初始化了total变量为0,然后调用dfs(root)开始遍历整个树。最后,返回根节点作为转换后的累加树的根节点。

        total = 0  # 初始化累加和为0dfs(root)  # 调用深度优先搜索函数,从根节点开始遍历return root  # 返回转换后的二叉搜索树的根节点

参考代码

这段代码是一个解决**二叉搜索树(BST)转换为累加树(GST)**问题的Python类。

class Solution:def bstToGst(self, root: TreeNode) -> TreeNode:def dfs(root: TreeNode):nonlocal totalif root:dfs(root.right)total += root.valroot.val = totaldfs(root.left)total = 0dfs(root)return root

这篇关于Leetcode每日一题学习训练——Python3版(从二叉搜索树到更大和树)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/455849

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素(O(1)) 当我们要频繁的查找某个元素,第一哈希表O(1),第二,二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储,只要开26个c

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

hdu1240、hdu1253(三维搜索题)

1、从后往前输入,(x,y,z); 2、从下往上输入,(y , z, x); 3、从左往右输入,(z,x,y); hdu1240代码如下: #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#inc

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学