从前序与中序遍历序列构造二叉树
preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。
preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。
当前调用等待哪些子问题回执,返回值对父节点意味着什么?
preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
先说结论:这道题到底解决什么
怎样从“preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。”推导出 二叉树 · 建树,并证明每次状态变化都不会漏掉答案?
中心结论:preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
- 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
- 2.当前调用等待哪些子问题回执,返回值对父节点意味着什么?
- 3.不变量“preorder[preIndex] 是当前 inorder 区间的根;mid 切左右子树区间。”为什么能保证算法安全前进?
完整题目与题意拆解
根据一棵树的前序遍历与中序遍历构造二叉树。
注意: 你可以假设树中没有重复的元素。
在本站主例中,preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。
算法最终需要得到或观察:根 3,左 9,右 20(左 15 右 7)。
- • 输入:preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。
- • 机器需要维护:preIndex、rootVal、[left,right]、mid、调用栈。
- • 最终可观察结果:根 3,左 9,右 20(左 15 右 7)。
先看清算法到底要维护什么
先建立输入、目标、输出和第一批状态,不急着进入模板。
前序:先访问结点,再递归子树
第一层方案:暴力做法
从每个节点重新遍历子树会重复计算;递归让每棵子树只计算一次并向父节点返回摘要。
暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。
重复工作究竟发生在哪里
把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。
前序:先访问结点,再递归子树
整体地图:先做什么,再做什么
- 1建模把输入翻译成“递归回执树”,明确答案需要观察什么。
- 2状态只维护 preIndex、rootVal、[left,right]、mid、调用栈。
- 3转移每一步按照 preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
- 4收尾读取 根 3,左 9,右 20(左 15 右 7)。,并复核边界与复杂度。
递归回执树:核心概念
先用一句话定义递归函数返回什么,父节点才能正确合并。
这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:preIndex、rootVal、[left,right]、mid、调用栈。
- • preorder[preIndex] 是当前 inorder 区间的根;mid 切左右子树区间。
建立“递归回执树”心智模型
用主例建立核心状态,先预测下一步,再公开正确分支和理由。
前序:先访问结点,再递归子树
核心机制:状态如何一步步变化
给出 2 个数组,根据 preorder 和 inorder 数组构造一颗树。 利用递归思想,从 preorder 可以得到根节点,从 inorder 中得到左子树和右子树。只剩一个节点的时候即为根节点。不断的递归直到所有的树都生成完成。
preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
执行过程中持续维护:preIndex、rootVal、[left,right]、mid、调用栈。
正确性依赖以下不变量:preorder[preIndex] 是当前 inorder 区间的根;mid 切左右子树区间。
面试时可以压缩为:indexMap+preIndex;build(left,right) left>right nil;根=preorder[preIndex++];mid切分;递归左右。时间 O(n) 空间 O(n)。
落到当前题,执行机制可以压缩为:preorder 发号(preIndex);inorder 切区间(left/right);递归 build。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。
一次状态转移为什么成立
集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。
输出 3,顺序: 3
正确性证明:为什么不会漏答案
初始化:算法开始时,全部合法候选仍在状态表示范围内;preorder[preIndex] 是当前 inorder 区间的根;mid 切左右子树区间。
保持:执行“preorder 发号(preIndex);inorder 切区间(left/right);递归 build。”时,只删除已经能证明不可能的候选,并把新信息写回 preIndex、rootVal、[left,right]、mid、调用栈。
终止:没有待处理状态或达到命中条件时,当前可观察结果就是“根 3,左 9,右 20(左 15 右 7)。”。
完整执行过程
- 1题目与输入preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。 因为:preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
- 2递归栈:根-左-右从根开始 DFS。 因为:前序第一个输出根。
- 3访问结点 9记录当前结点。 因为:根在子树之前被访问。
- 4预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
- 5访问结点 15记录当前结点。 因为:根在子树之前被访问。
- 6访问结点 7记录当前结点。 因为:根在子树之前被访问。
- 7前序结果: 3 → 9 → 15 → 7 → 20栈空,输出完整。 因为:O(n) 访问每个结点一次。
- 8收尾与复杂度根 3,左 9,右 20(左 15 右 7)。 因为:时间 O(n) · 空间 O(n)。preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
从输入完整走到可观察结果
从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。
前序:先访问结点,再递归子树
把动画和 Go 代码逐行对应
代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。
让每个动作都落到 Go 分支
重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。
前序:先访问结点,再递归子树
完整 Go 提交代码与最小测试
// TreeNode define
/**
* Definition for a binary tree node.
* type TreeNode struct {
* Val int
* Left *TreeNode
* Right *TreeNode
* }
*/
// 解法一, 直接传入需要的 slice 范围作为输入, 可以避免申请对应 inorder 索引的内存, 内存使用(leetcode test case) 4.7MB -> 4.3MB.
func buildTree(preorder []int, inorder []int) *TreeNode {
if len(preorder) == 0 {
return nil
}
root := &TreeNode{Val: preorder[0]}
for pos, node := range inorder {
if node == root.Val {
root.Left = buildTree(preorder[1:pos+1], inorder[:pos])
root.Right = buildTree(preorder[pos+1:], inorder[pos+1:])
}
}
return root
}
// 解法二
func buildTree1(preorder []int, inorder []int) *TreeNode {
inPos := make(map[int]int)
for i := 0; i < len(inorder); i++ {
inPos[inorder[i]] = i
}
return buildPreIn2TreeDFS(preorder, 0, len(preorder)-1, 0, inPos)
}
func buildPreIn2TreeDFS(pre []int, preStart int, preEnd int, inStart int, inPos map[int]int) *TreeNode {
if preStart > preEnd {
return nil
}
root := &TreeNode{Val: pre[preStart]}
rootIdx := inPos[pre[preStart]]
leftLen := rootIdx - inStart
root.Left = buildPreIn2TreeDFS(pre, preStart+1, preStart+leftLen, inStart, inPos)
root.Right = buildPreIn2TreeDFS(pre, preStart+leftLen+1, preEnd, rootIdx+1, inPos)
return root
}func main() {
// 1. 主例
// 输入:mode="preorder", values=[3,9,20,15,7]
// 期望:根 3,左 9,右 20(左 15 右 7)。
//
// 2. 失败 / 未命中
// 检查:空间不是 O(1):indexMap O(n)+递归栈 O(h)。
//
// 3. 边界
// 空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
//
// 4. 迁移
// LC106 中后;LC108 有序数组建 BST
}Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。
正确性与复杂度
执行过程中只保留仍可能影响答案的状态。preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
额外状态主要用于维护:preIndex、rootVal、[left,right]、mid、调用栈。
- • preorder[preIndex] 是当前 inorder 区间的根;mid 切左右子树区间。
最容易写错的地方
空间不是 O(1):indexMap O(n)+递归栈 O(h)。
勿用切片拷贝 pre/in,应用 preIndex+区间。
必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。
最后复盘:带走逻辑链
- 1题意preorder=[3,9,20,15,7] inorder=[9,3,15,20,7] 构造二叉树。
- 2重复从每个节点重新遍历子树会重复计算;递归让每棵子树只计算一次并向父节点返回摘要。
- 3优化preorder 发号(preIndex);inorder 切区间(left/right);递归 build。
- 4证明preorder[preIndex] 是当前 inorder 区间的根;mid 切左右子树区间。
- 5复杂度时间 O(n),空间 O(n)
- • LC106 中后
- • LC108 有序数组建 BST