当前位置:

首页 > 编程开发 > 二叉树转双向链表详细解析

二叉树转双向链表详细解析

本文深入探讨了如何将二叉树原地展平为类似双向链表的结构。通过递归方法,文章详细解释了在展平过程中,如何正确地处理左右子树的连接,特别是对关键指针(如leftmostofright和rightmostofleft)初始值设定的理解,以及避免创建循环引用的重要性。最终,提供并解析了一个高度优化的递归实现,展示了如何高效地重构树节点指针以实现所需的扁平化结构。

本文目录

    深度解析二叉树原地展平为双向链表结构

    本文深入探讨了如何将二叉树原地展平为类似双向链表的结构。通过递归方法,文章详细解释了在展平过程中,如何正确地处理左右子树的连接,特别是对关键指针(如`leftmostofright`和`rightmostofleft`)初始值设定的理解,以及避免创建循环引用的重要性。最终,提供并解析了一个高度优化的递归实现,展示了如何高效地重构树节点指针以实现所需的扁平化结构。

    理解二叉树展平问题

    将二叉树展平为双向链表结构是一个常见的算法问题,其核心要求是将树的节点按照特定的遍历顺序(通常是中序遍历的逻辑顺序,即从左到右)连接起来,形成一个类似双向链表的结构。在这个结构中,原始的 left 指针将充当链表的 prev 指针,而 right 指针则充当链表的 next 指针。展平操作必须是“原地”(in-place)完成的,这意味着我们不能创建新的节点,只能修改现有节点的 left 和 right 指针。最终函数需要返回展平后链表的最左侧(即第一个)节点。

    每个 BinaryTree 节点包含一个 value、一个 left 子节点和一个 right 子节点,子节点可以是 BinaryTree 实例或 None。

    初始递归策略与常见困惑

    为了实现原地展平,一个直观的思路是使用递归辅助函数。这个辅助函数通常会返回当前子树展平后的最左节点和最右节点,以便父节点能够正确地将它们连接起来。

    考虑以下初始的递归辅助函数结构:

    class BinaryTree:
        def __init__(self, value, left=None, right=None):
            self.value = value
            self.left = left
            self.right = right
    
    def flattenBinaryTree(root):
        if not root:
            return None
        leftmost, _ = helper(root)
        return leftmost
    
    def helper(node):
        if node is None:
            return None, None
        if node.left is None and node.right is None: # 优化后此特殊处理可省略
            return node, node
    
        leftmostofleft = node # 初始假设:当前节点是左侧最左节点
        rightmostofright = node # 初始假设:当前节点是右侧最右节点
        leftmostofright = None  # 初始假设:右子树的最左节点为空
        rightmostofleft = None  # 初始假设:左子树的最右节点为空
    
        # 处理左子树
        if node.left:
            leftmostofleft, rightmostofleft = helper(node.left)
        # 处理右子树
        if node.right:
            leftmostofright, rightmostofright = helper(node.right)
    
        # 连接当前节点与左右子树展平后的结构
        # 将当前节点的右指针指向右子树展平后的最左节点
        node.right = leftmostofright
        if leftmostofright:
            leftmostofright.left = node # 建立双向链接
    
        # 将当前节点的左指针指向左子树展平后的最右节点
        node.left = rightmostofleft
        if rightmostofleft:
            rightmostofleft.right = node # 建立双向链接
    
        return leftmostofleft, rightmostofright

    在这个实现中,一个常见的困惑点在于 leftmostofright 和 rightmostofleft 的初始赋值。为什么它们应该默认为 None,而不是 node?

    如果将它们初始化为 node,例如:

    leftmostofleft = node
    rightmostofright = node
    leftmostofright = node # 假设这里也初始化为 node
    rightmostofleft = node # 假设这里也初始化为 node

    当 node 没有右子节点时,if node.right: 条件将不满足,leftmostofright 就会保持其初始值 node。接着,执行 node.right = leftmostofright,这会变成 node.right = node。这将导致 node 形成一个指向自身的循环引用,破坏了链表的结构,也无法正确地连接后续节点。

    正确理解:leftmostofright 代表的是当前节点 node 的右子树展平后的最左节点。如果 node 没有右子树,那么它就没有“右子树展平后的最左节点”,因此这个概念应该用 None 来表示,而不是 node 自身。将 node.right 设置为 None 是正确的行为,表示其链表中的下一个节点不存在。同理,rightmostofleft 也应如此处理。

    leftmostofleft 和 rightmostofright 初始为 node 是合理的,因为在没有左右子树的情况下,当前节点 node 就是其自身展平后的最左和最右节点。

    优化后的递归实现

    上述 helper 函数可以进一步简化和优化,去除不必要的 if 条件和中间变量,使其更加简洁高效。关键在于理解 node.left 和 node.right 指针在展平过程中被“重用”的语义。

    class BinaryTree:
        def __init__(self, value, left=None, right=None):
            self.value = value
            self.left = left
            self.right = right
    
    def flattenBinaryTree(root):
        if not root:
            return None
        # helper函数返回的是展平后链表的 (最左节点, 最右节点)
        # 对于整个树的展平,我们只需要返回最左节点
        leftmost_node, _ = _flatten_helper(root)
        return leftmost_node
    
    def _flatten_helper(node):
        # 如果节点为空,则返回 (None, None),表示空链表
        if node is None:
            return None, None
    
        # 初始化当前节点的展平链表的左右边界为自身
        leftmost_in_subtree = node
        rightmost_in_subtree = node
    
        # 递归处理左子树
        if node.left:
            # 展平左子树,得到其最左节点 (L_left) 和最右节点 (R_left)
            L_left, R_left = _flatten_helper(node.left)
    
            # 更新当前子树的最左节点为左子树的最左节点
            leftmost_in_subtree = L_left
    
            # 将当前节点的左指针指向左子树展平后的最右节点 (R_left)
            # 这就是链表中当前节点的前一个节点
            node.left = R_left
    
            # 建立 R_left 到当前节点的右向连接
            R_left.right = node
    
        # 递归处理右子树
        if node.right:
            # 展平右子树,得到其最左节点 (L_right) 和最右节点 (R_right)
            L_right, R_right = _flatten_helper(node.right)
    
            # 将当前节点的右指针指向右子树展平后的最左节点 (L_right)
            # 这就是链表中当前节点的后一个节点
            node.right = L_right
    
            # 建立 L_right 到当前节点的左向连接
            L_right.left = node
    
            # 更新当前子树的最右节点为右子树的最右节点
            rightmost_in_subtree = R_right
    
        # 返回当前节点展平后子树的最左和最右节点
        return leftmost_in_subtree, rightmost_in_subtree
    

    代码解析:

    1. _flatten_helper(node) 函数返回 (leftmost_in_subtree, rightmost_in_subtree):

      • leftmost_in_subtree 是以 node 为根的子树展平后,整个链表结构的最左侧节点。
      • rightmost_in_subtree 是以 node 为根的子树展平后,整个链表结构的最右侧节点。
    2. 基本情况 if node is None::

      • 当遇到空节点时,返回 (None, None),表示没有节点。
    3. 初始化 leftmost_in_subtree = node, rightmost_in_subtree = node:

      • 在处理 node 自身时,如果它没有左右子树,那么它就是自身展平后的最左和最右节点。这些变量会在递归调用后根据实际情况更新。
    4. 处理左子树 if node.left::

      • L_left, R_left = _flatten_helper(node.left):递归地展平左子树。L_left 是左子树展平后的第一个节点,R_left 是最后一个节点。
      • leftmost_in_subtree = L_left:因为 L_left 在 node 之前,所以它是整个当前子树展平后的最左节点。
      • node.left = R_left:关键步骤。将当前节点 node 的 left 指针指向其左子树展平后的最右节点 R_left。这建立了 node 与其在链表中的前一个节点 R_left 的连接。
      • R_left.right = node:关键步骤。建立从 R_left 到 node 的反向连接,完成双向链接。
    5. 处理右子树 if node.right::

      • L_right, R_right = _flatten_helper(node.right):递归地展平右子树。L_right 是右子树展平后的第一个节点,R_right 是最后一个节点。
      • node.right = L_right:关键步骤。将当前节点 node 的 right 指针指向其右子树展平后的最左节点 L_right。这建立了 node 与其在链表中的后一个节点 L_right 的连接。
      • L_right.left = node:关键步骤。建立从 L_right 到 node 的反向连接,完成双向链接。
      • rightmost_in_subtree = R_right:因为 R_right 在 node 之后,并且是右子树的最后一个节点,所以它是整个当前子树展平后的最右节点。
    6. 返回 return leftmost_in_subtree, rightmost_in_subtree:

      • 将当前子树展平后的最左和最右节点返回给上一级递归调用。

    注意事项与总结

    • 原地操作(In-place):这个解决方案严格遵循了原地操作的要求,没有创建任何新的 BinaryTree 节点,只是修改了现有节点的 left 和 right 指针。
    • 递归的深度优先遍历:该方法本质上是深度优先遍历的一种变体,通过递归将子问题解决后,再将结果合并到父节点。
    • 指针的重用与语义转换:理解 node.left 和 node.right 指针从“树的子节点”转换为“链表的上一个/下一个节点”是理解此算法的关键。
    • 处理空子树:当节点没有左子树或右子树时,相应的 if 条件不会满足,因此不会进行额外的连接操作,这自然地处理了边界情况,避免了不必要的 None 检查和循环引用。
    • 时间复杂度:每个节点只访问常数次(一次递归调用),所以时间复杂度为 O(N),其中 N 是树中的节点数。
    • 空间复杂度:递归调用的栈空间取决于树的高度。在最坏情况下(链表型树),空间复杂度为 O(N);在最好情况下(平衡树),空间复杂度为 O(logN)。

    通过上述优化后的实现,我们可以高效且清晰地将任意二叉树原地展平为一个双向链表结构,同时避免了常见的指针混淆和循环引用问题。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    QQ影音怎么加速播放视频课程
    QQ影音怎么加速播放视频课程

    播放时右键选播放速度,或点控制条倍速,1.25 到 1.5 倍看课最舒服;公式代码类内容别超过 1.25 倍。

    企业微信创建企业提示失败怎么办 实名与填写检查
    企业微信创建企业提示失败怎么办 实名与填写检查

    先看提示属于哪类:名称占用就加后缀,实名不一致就重填本人信息,证件不清晰就重拍。统一社会信用代码逐位核对,连续三次失败别改材料重投,直接联系客服人工核。

    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?

    说明源码提交对字符串、生成器和数组的识别边界,以及扫描命令与发行包核验限制。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?
    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?

    Free Claude Code 6.19.37 在自动搜索时保留客户端工具及选择条件,代理执行搜索后仍返回普通调用。说明适用场景、历史信息保留、请求约束与第三方项目的版本边界。

    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?
    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?

    Google GenAI Go SDK 1.78.0 将 Gemini Developer API 默认改为 v1,可用 HTTPOptions.APIVersion 或环境变量保留 v1beta,Vertex AI 默认值不变。

    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?
    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?

    解释实验性实时支持、环境检查与生产评估中需要验证的条件。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。