【Leetcode刷题Python】剑指 Offer 33. 二叉搜索树的后序遍历序列

简介: 本文提供了一种Python算法,用以判断给定整数数组是否为某二叉搜索树的后序遍历结果,通过识别根节点并递归验证左右子树的值是否满足二叉搜索树的性质。

1 题目

输入一个整数数组,判断该数组是不是某二叉搜索树的后序遍历结果。如果是则返回 true,否则返回 false。假设输入的数组的任意两个数字都互不相同。

参考以下这颗二叉搜索树:

     5
    / \
   2   6
  / \
 1   3

示例 1:

输入: [1,6,3,2,5]
输出: false
示例 2:

输入: [1,3,2,6,5]
输出: true

来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/er-cha-sou-suo-shu-de-hou-xu-bian-li-xu-lie-lcof
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

2 解析

(1)先找到根节点的右子节点
根节点是后续遍历序列的最后一个值,从后向前遍历序列,找到比根节点小的第一个数就是根节点的右子节点

(2)然后判断右子树的值是否全大于root,左子树的值是否都小于root

(3)然后再递归根节点的左右子树即可

3 python实现

class Solution:
    def verifyPostorder(self, postorder: List[int]) -> bool:

        if not postorder:return True
        root = postorder[-1]
        idx = 0
        for i in range(len(postorder)):
            if postorder[i]>=root:
                idx = i
                break
        left = postorder[:idx]
        right  = postorder[idx:-1]
        # 判断右子树的节点都大于根节点
        for val in right:
            if val<root:
                return False
        # 判断左子树的节点都小于根节点
        for val in left:
            if val>root:
                return False
        return self.verifyPostorder(left) and self.verifyPostorder(right)
目录
相关文章
|
1月前
|
机器学习/深度学习 数据采集 算法
时间序列结构变化分析:Python实现时间序列变化点检测
在时间序列分析和预测中,准确检测结构变化至关重要。新出现的分布模式往往会导致历史数据失去代表性,进而影响基于这些数据训练的模型的有效性。
87 1
|
2月前
|
机器学习/深度学习 算法 数据挖掘
6种有效的时间序列数据特征工程技术(使用Python)
在本文中,我们将探讨使用日期时间列提取有用信息的各种特征工程技术。
119 0
|
1月前
|
机器学习/深度学习 索引 Python
python之序列
python之序列
140 59
|
4天前
|
存储 编译器 索引
Python 序列类型(2)
【10月更文挑战第8天】
Python 序列类型(2)
|
5天前
|
存储 C++ 索引
Python 序列类型(1)
【10月更文挑战第8天】
|
9天前
【LeetCode 37】106.从中序与后序遍历构造二叉树
【LeetCode 37】106.从中序与后序遍历构造二叉树
8 0
|
25天前
|
数据处理 Python
python遍历文件夹所有文件按什么排序
python遍历文件夹所有文件按什么排序
18 0
|
27天前
|
数据处理 Python
Python遍历文件夹所有文件并按指定排序
Python遍历文件夹所有文件并按指定排序
16 0
|
2月前
|
机器学习/深度学习 分布式计算 大数据
几行 Python 代码就可以提取数百个时间序列特征
几行 Python 代码就可以提取数百个时间序列特征
|
1月前
|
存储 消息中间件 大数据
Python里for循环要遍历的数据很多很大怎么办?
遇到大数据量问题时,重要的是确定最优解决方案,这取决于数据的来源、性质以及所需的处理方式。分析数据传输、存储与处理的瓶颈是提升性能的关键。通过结合上述的技巧和方法,可以在内存和性能方面找到合适的平衡点来处理大规模数据集。
74 0