代码随想录算法训练营Day20 | 654.最大二叉树、617.合并二叉树、700.二叉搜索树中的搜索、98.验证二叉搜索树 | Python | 个人记录向

本文主要是介绍代码随想录算法训练营Day20 | 654.最大二叉树、617.合并二叉树、700.二叉搜索树中的搜索、98.验证二叉搜索树 | Python | 个人记录向,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!

注:Day19是休息日。

本文目录

  • 654.最大二叉树
    • 做题
    • 看文章
  • 617.合并二叉树
    • 做题
    • 看文章
  • 700.二叉搜索树中的搜索
    • 做题
    • 看文章
  • 98.验证二叉搜索树
    • 做题
    • 看文章
  • 以往忽略的知识点小结
  • 个人体会

654.最大二叉树

代码随想录:654.最大二叉树
Leetcode:654.最大二叉树

做题

思路有点繁琐,一开始还有个字符写错了,没看出来,问了chat才发现错误。但总体思路对了,类似于用中序+前序/后续构建唯一二叉树。

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution:def constructMaximumBinaryTree(self, nums: List[int]) -> Optional[TreeNode]:if len(nums) == 1:return TreeNode(nums[0])max_ = max(nums)max_idx = nums.index(max_)root = TreeNode(max_)left_nums = nums[:max_idx].copy()  # copy函数不需要,浪费空间right_nums = nums[max_idx+1:].copy()if len(left_nums) > 0:self.construct(root, left_nums, True)if len(right_nums) > 0:self.construct(root, right_nums, False)return rootdef construct(self, node, nums_, is_left):max_ = max(nums_)max_idx = nums_.index(max_)new = TreeNode(max_)left_nums = nums_[:max_idx].copy()right_nums = nums_[max_idx+1:].copy()if is_left:node.left = newelse:node.right = newif len(left_nums) > 0:self.construct(new, left_nums, True)if len(right_nums) > 0:self.construct(new, right_nums, False)if len(left_nums) == 0 and len(right_nums) == 0:return

看文章

简洁写法如下:

class Solution:def constructMaximumBinaryTree(self, nums: List[int]) -> TreeNode:if not nums:return Nonemax_val = max(nums)max_index = nums.index(max_val)node = TreeNode(max_val)node.left = self.constructMaximumBinaryTree(nums[:max_index])node.right = self.constructMaximumBinaryTree(nums[max_index+1:])return node

617.合并二叉树

代码随想录:617.合并二叉树
Leetcode:617.合并二叉树

做题

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution:def mergeTrees(self, root1: Optional[TreeNode], root2: Optional[TreeNode]) -> Optional[TreeNode]:if root1 is None:if root2 is None:return Noneelse:return root2if root2 is None:return root1root1.val = root1.val + root2.valif root1.left or root2.left:root1.left = self.mergeTrees(root1.left, root2.left)if root1.right or root2.right:root1.right = self.mergeTrees(root1.right, root2.right)return root1

看文章

思路差不多,可以简化。

class Solution:def mergeTrees(self, root1: TreeNode, root2: TreeNode) -> TreeNode:# 递归终止条件: # 但凡有一个节点为空, 就立刻返回另外一个. 如果另外一个也为None就直接返回None. if not root1: return root2if not root2: return root1# 上面的递归终止条件保证了代码执行到这里root1, root2都非空. root1.val += root2.val # 中root1.left = self.mergeTrees(root1.left, root2.left) #左root1.right = self.mergeTrees(root1.right, root2.right) # 右return root1

700.二叉搜索树中的搜索

代码随想录:700.二叉搜索树中的搜索
Leetcode:700.二叉搜索树中的搜索

做题

思路没问题,就是return有点懵,尝试了一下赋值给node再return,就AC了。

class Solution:def searchBST(self, root: Optional[TreeNode], val: int) -> Optional[TreeNode]:if not root:return rootif val == root.val:return rootelif val < root.val:node = self.searchBST(root.left, val)else:node = self.searchBST(root.right, val)return node

看文章

思路没问题,可以直接在if里return。

class Solution:def searchBST(self, root: TreeNode, val: int) -> TreeNode:if not root or root.val == val: return rootif root.val > val: return self.searchBST(root.left, val)if root.val < val: return self.searchBST(root.right, val)

98.验证二叉搜索树

代码随想录:98.验证二叉搜索树
Leetcode:98.验证二叉搜索树

做题

写出来基础逻辑,但掉进文章所述的“陷阱”里了。不能只判断左节点、右节点和root节点的关系,而是root的左子树都小于root,右子树都大于root。从测试用例中看出错误点了,但不知道怎么解决。

看文章

在中序遍历下,输出的二叉搜索树节点的数值是有序序列。有了这个特性,验证二叉搜索树,就相当于变成了判断一个序列是不是递增的了。具体代码如下:

class Solution:def __init__(self):self.vec = []def traversal(self, root):if root is None:returnself.traversal(root.left)self.vec.append(root.val)  # 将二叉搜索树转换为有序数组self.traversal(root.right)def isValidBST(self, root):self.vec = []  # 清空数组self.traversal(root)for i in range(1, len(self.vec)):# 注意要小于等于,搜索树里不能有相同元素if self.vec[i] <= self.vec[i - 1]:return Falsereturn True

以往忽略的知识点小结

  • 注意看什么时候return
  • 二叉搜索树的中序遍历,是有序数列

个人体会

完成时间:1h20min。
心得:算是复习了一下中序+前序/后序构建唯一二叉树,要注意一下什么时候return;做题之前必须熟悉前序、中序、后序、层序,有可能在一些树结构上有特殊的规律。

这篇关于代码随想录算法训练营Day20 | 654.最大二叉树、617.合并二叉树、700.二叉搜索树中的搜索、98.验证二叉搜索树 | Python | 个人记录向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/926309

相关文章

Python中logging模块用法示例总结

《Python中logging模块用法示例总结》在Python中logging模块是一个强大的日志记录工具,它允许用户将程序运行期间产生的日志信息输出到控制台或者写入到文件中,:本文主要介绍Pyt... 目录前言一. 基本使用1. 五种日志等级2.  设置报告等级3. 自定义格式4. C语言风格的格式化方法

Python实现精确小数计算的完全指南

《Python实现精确小数计算的完全指南》在金融计算、科学实验和工程领域,浮点数精度问题一直是开发者面临的重大挑战,本文将深入解析Python精确小数计算技术体系,感兴趣的小伙伴可以了解一下... 目录引言:小数精度问题的核心挑战一、浮点数精度问题分析1.1 浮点数精度陷阱1.2 浮点数误差来源二、基础解决

使用Python实现Word文档的自动化对比方案

《使用Python实现Word文档的自动化对比方案》我们经常需要比较两个Word文档的版本差异,无论是合同修订、论文修改还是代码文档更新,人工比对不仅效率低下,还容易遗漏关键改动,下面通过一个实际案例... 目录引言一、使用python-docx库解析文档结构二、使用difflib进行差异比对三、高级对比方

深度解析Python中递归下降解析器的原理与实现

《深度解析Python中递归下降解析器的原理与实现》在编译器设计、配置文件处理和数据转换领域,递归下降解析器是最常用且最直观的解析技术,本文将详细介绍递归下降解析器的原理与实现,感兴趣的小伙伴可以跟随... 目录引言:解析器的核心价值一、递归下降解析器基础1.1 核心概念解析1.2 基本架构二、简单算术表达

从入门到精通详解Python虚拟环境完全指南

《从入门到精通详解Python虚拟环境完全指南》Python虚拟环境是一个独立的Python运行环境,它允许你为不同的项目创建隔离的Python环境,下面小编就来和大家详细介绍一下吧... 目录什么是python虚拟环境一、使用venv创建和管理虚拟环境1.1 创建虚拟环境1.2 激活虚拟环境1.3 验证虚

详解python pycharm与cmd中制表符不一样

《详解pythonpycharm与cmd中制表符不一样》本文主要介绍了pythonpycharm与cmd中制表符不一样,这个问题通常是因为PyCharm和命令行(CMD)使用的制表符(tab)的宽... 这个问题通常是因为PyCharm和命令行(CMD)使用的制表符(tab)的宽度不同导致的。在PyChar

Python中Json和其他类型相互转换的实现示例

《Python中Json和其他类型相互转换的实现示例》本文介绍了在Python中使用json模块实现json数据与dict、object之间的高效转换,包括loads(),load(),dumps()... 项目中经常会用到json格式转为object对象、dict字典格式等。在此做个记录,方便后续用到该方

从基础到高级详解Python数值格式化输出的完全指南

《从基础到高级详解Python数值格式化输出的完全指南》在数据分析、金融计算和科学报告领域,数值格式化是提升可读性和专业性的关键技术,本文将深入解析Python中数值格式化输出的相关方法,感兴趣的小伙... 目录引言:数值格式化的核心价值一、基础格式化方法1.1 三种核心格式化方式对比1.2 基础格式化示例

Python与MySQL实现数据库实时同步的详细步骤

《Python与MySQL实现数据库实时同步的详细步骤》在日常开发中,数据同步是一项常见的需求,本篇文章将使用Python和MySQL来实现数据库实时同步,我们将围绕数据变更捕获、数据处理和数据写入这... 目录前言摘要概述:数据同步方案1. 基本思路2. mysql Binlog 简介实现步骤与代码示例1

Redis实现高效内存管理的示例代码

《Redis实现高效内存管理的示例代码》Redis内存管理是其核心功能之一,为了高效地利用内存,Redis采用了多种技术和策略,如优化的数据结构、内存分配策略、内存回收、数据压缩等,下面就来详细的介绍... 目录1. 内存分配策略jemalloc 的使用2. 数据压缩和编码ziplist示例代码3. 优化的