作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
题目描述
给定一个二叉树，原地将它展开为一个单链表。例如，给定二叉树：
1 / \ 2 5 / \ \ 3 4 6
展开后应该变为：
1 \ 2 \ 3 \ 4 \ 5 \ 6
方法一：递归展开
解题步骤：
- 如果树为空，直接返回。
- 递归展开左子树和右子树。
- 将左子树插入到右子树的位置。
- 将原来的右子树接到当前右子树的末端。
- 考虑到展开后没有左子节点，将左子节点设置为
None。
代码示例：
class Solution: def flatten(self, root): if not root: return self.flatten(root.left) self.flatten(root.right) # 左右子树已经被拉平成一条链表 left = root.left right = root.right # 将左子树作为右子树 root.left = None root.right = left # 找到当前右子树（原左子树）的末端并连接原右子树 p = root while p.right: p = p.right p.right = right
方法一的改进主要可以从两个方面进行：优化递归效率和空间使用。虽然基本递归方法简单直观，但它可能导致不必要的栈空间消耗，尤其是在处理非常深的树时可能会导致栈溢出。以下是几种改进策略：
改进1: 尾递归优化
虽然Python默认不支持尾递归优化，但我们可以尽可能减少递归中不必要的操作，将必要的操作移至递归调用之前执行，减少递归调用栈的深度。
改进代码示例：
class Solution: def flatten(self, root): def flattenTree(node): if not node: return None # 如果节点是叶子节点，直接返回 if not node.left and not node.right: return node # 递归平展左子树 leftTail = flattenTree(node.left) rightTail = flattenTree(node.right) # 将左子树插入到右子树的地方 if leftTail: leftTail.right = node.right node.right = node.left node.left = None # 返回最后的尾部节点 return rightTail if rightTail else leftTail flattenTree(root)
改进2: 减少递归深度
尽可能地在每个节点处理完毕后立即释放其左子树的引用，减少Python垃圾回收器的压力，并减少递归深度。
改进代码示例：
class Solution: def flatten(self, root): # Helper function to perform flatten operation def flattenNode(node): if not node: return None # Flatten the left and right subtree left_last = flattenNode(node.left) right_last = flattenNode(node.right) # If there is a left subtree, weave it into the right subtree if left_last: left_last.right = node.right node.right = node.left node.left = None # The rightmost node is needed for linking to the parent node's right subtree return right_last if right_last else left_last flattenNode(root)
方法二：迭代展开
解题步骤：
- 使用栈来辅助迭代过程。
- 每次取出栈顶元素，如果有右子节点先压栈，再压左子节点。
- 修改每个节点的右指针指向下一个栈顶元素，左指针设置为
None。
代码示例：
class Solution: def flatten(self, root): if not root: return stack = [root] prev = None while stack: curr = stack.pop() if prev: prev.right = curr prev.left = None if curr.right: stack.append(curr.right) if curr.left: stack.append(curr.left) prev = curr
方法三：寻找前驱节点
解题步骤：
- 对于每个节点，如果左子节点不为空，找到左子树的最右节点（前驱节点）。
- 将原右子树接到前驱节点的右边。
- 将左子树移到右边，左子树置为空。
- 继续处理链表中的下一个节点。
代码示例：
class Solution: def flatten(self, root): curr = root while curr: if curr.left: pre = curr.left while pre.right: pre = pre.right pre.right = curr.right curr.right = curr.left curr.left = None curr = curr.right
算法分析
- 时间复杂度：
- 递归展开：(O(n))，每个节点访问一次。
- 迭代展开：(O(n))，每个节点访问一次。
- 寻找前驱节点：(O(n))，每个节点访问一次。
- 空间复杂度：
- 递归展开：(O(n))，递归栈的空间。
- 迭代展开：(O(n))，使用了额外的栈。
- 寻找前驱节点：(O(1))，原地修改，不需要额外空间。
优劣势对比
- 递归展开：
- 优点：实现简单直观。
- 缺点：需要额外的栈空间来处理递归。
- 迭代展开：
- 优点：避免了递归可能导致的栈溢出。
- 缺点：需要使用栈来存储节点。
- 寻找前驱节点：
- 优点：不需要额外空间，空间复杂度最优。
- 缺点：代码逻辑相对复杂，需要处理更多的指针操作。
应用示例
这种技巧在处理需要将树结构线性化处理的场景非常有用，例如在图形界面开发中，需要按特定顺序访问或显示节点信息，或者在需要频繁查找、更新结点而又不频繁修改树结构的数据库和文件系统中。
欢迎关注微信公众号 数据分析螺丝钉
