[leetcode] 面试经典 150 题——篇9：二叉树(番外：二叉树的遍历方式)

news2025/4/8 1:17:28

二叉树的遍历是指按照某种顺序访问二叉树中的每个节点。常见的遍历方式有四种：前序遍历（Pre-order Traversal）、中序遍历（In-order Traversal）、后序遍历（Post-order Traversal）以及层序遍历（Level-order Traversal）。每种遍历方式根据访问根节点的时机不同而有所区别。

概述

前序遍历（Pre-order Traversal）

在前序遍历中，首先访问根节点，然后递归地以前序方式遍历左子树，最后递归地以前序方式遍历右子树。即访问顺序为：根 -> 左 -> 右。

算法步骤：
- 访问根节点。
- 对根节点的左子树进行前序遍历。
- 对根节点的右子树进行前序遍历。

中序遍历（In-order Traversal）

在中序遍历中，首先递归地中序遍历左子树，然后访问根节点，最后递归地中序遍历右子树。即访问顺序为：左 -> 根 -> 右。

算法步骤：
- 对根节点的左子树进行中序遍历。
- 访问根节点。
- 对根节点的右子树进行中序遍历。

对于二叉查找树（BST），中序遍历将返回按升序排列的节点值。

后序遍历（Post-order Traversal）

在后序遍历中，首先递归地以后序方式遍历左子树，然后递归地以后序方式遍历右子树，最后访问根节点。即访问顺序为：左 -> 右 -> 根。

算法步骤：
- 对根节点的左子树进行后序遍历。
- 对根节点的右子树进行后序遍历。
- 访问根节点。

层序遍历（Level-order Traversal）

层序遍历又称广度优先遍历（BFS, Breadth-first Search），是按照从上到下、从左到右的顺序逐层访问树中的所有节点。与前面三种遍历方法不同的是，它不是递归实现的，而是通常使用队列来辅助完成。

算法步骤：
- 创建一个队列并将根节点加入队列。
- 当队列非空时，重复以下操作：
  - 出队并访问队首节点。
  - 将访问节点的左孩子和右孩子依次入队（如果存在的话）。

每种遍历方式都有其特定的应用场景，例如，前序遍历常用于复制树，中序遍历用于二叉查找树的排序输出，后序遍历可用于删除或释放节点资源，而层序遍历则有助于找到最短路径等问题。

例子

示例二叉树

假设我们有以下二叉树：

根节点是 1。
左子树的根是 2，右子树的根是 3。
节点 2 的左孩子是 4，右孩子是 5。
节点 3 的右孩子是 6。

前序遍历

访问顺序：根 -> 左 -> 右

[1, 2, 4, 5, 3, 6]

代码实现：

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

def pre_order_traversal(root):
    result = []
    def traverse(node):
        if not node:
            return
        result.append(node.val)  # 访问根节点
        traverse(node.left)      # 遍历左子树
        traverse(node.right)     # 遍历右子树
    traverse(root)
    return result

# 构建二叉树
root = TreeNode(1)
root.left = TreeNode(2)
root.right = TreeNode(3)
root.left.left = TreeNode(4)
root.left.right = TreeNode(5)
root.right.right = TreeNode(6)
print(pre_order_traversal(root))  # 输出: [1, 2, 4, 5, 3, 6]

中序遍历

访问顺序：左 -> 根 -> 右

[4, 2, 5, 1, 3, 6]

代码实现：

def in_order_traversal(root):
    result = []
    def traverse(node):
        if not node:
            return
        traverse(node.left)      # 遍历左子树
        result.append(node.val)  # 访问根节点
        traverse(node.right)     # 遍历右子树
    traverse(root)
    return result

print(in_order_traversal(root))  # 输出: [4, 2, 5, 1, 3, 6]

后序遍历

访问顺序：左 -> 右 -> 根

[4, 5, 2, 6, 3, 1]

代码实现：

def post_order_traversal(root):
    result = []
    def traverse(node):
        if not node:
            return
        traverse(node.left)      # 遍历左子树
        traverse(node.right)     # 遍历右子树
        result.append(node.val)  # 访问根节点
    traverse(root)
    return result

print(post_order_traversal(root))  # 输出: [4, 5, 2, 6, 3, 1]

层序遍历

访问顺序：从上到下、从左到右逐层访问

[1, 2, 3, 4, 5, 6]

代码实现：

from collections import deque

def level_order_traversal(root):
    if not root:
        return []
    
    result = []
    queue = deque([root])  # 初始化队列，根节点入队
    
    while queue:
        node = queue.popleft()  # 出队并访问当前节点
        result.append(node.val)
        
        if node.left:  # 如果左孩子存在，入队
            queue.append(node.left)
        if node.right:  # 如果右孩子存在，入队
            queue.append(node.right)
    
    return result

print(level_order_traversal(root))  # 输出: [1, 2, 3, 4, 5, 6]

总结

遍历方式	访问顺序	示例结果
前序遍历	根 -> 左 -> 右	[1, 2, 4, 5, 3, 6]
中序遍历	左 -> 根 -> 右	[4, 2, 5, 1, 3, 6]
后序遍历	左 -> 右 -> 根	[4, 5, 2, 6, 3, 1]
层序遍历	按层从左到右	[1, 2, 3, 4, 5, 6]