Python算法题集_将有序数组转换为二叉搜索树
- 题108:将有序数组转换为二叉搜索树
- 1. 示例说明
- 2. 题目解析
- - 题意分解
- - 优化思路
- - 测量工具
- 3. 代码展开
- 1) 标准求解【极简代码递归】
- 2) 改进版一【多行代码递归】
- 3) 改进版二【极简代码递归+传递下标】
- 4. 最优算法
本文为Python算法题集之一的代码示例
题108:将有序数组转换为二叉搜索树
1. 示例说明
给你一个整数数组 nums
,其中元素已经按 升序 排列,请你将其转换为一棵 高度平衡 二叉搜索树。
高度平衡 二叉树是一棵满足「每个节点的左右两个子树的高度差的绝对值不超过 1 」的二叉树。
示例 1:
输入:nums = [-10,-3,0,5,9]
输出:[0,-3,9,-10,null,5]
解释:[0,-10,5,null,-3,null,9] 也将被视为正确答案:
示例 2:
输入:nums = [1,3]
输出:[3,1]
解释:[1,null,3] 和 [3,1] 都是高度平衡二叉搜索树。
提示:
1 <= nums.length <= 104
-104 <= nums[i] <= 104
nums
按 严格递增 顺序排列
2. 题目解析
- 题意分解
- 本题为将有序数组生成平衡二叉搜索树
- 基本的基本思路是深度优先算法【DFS(Depth-First Search)】,生成一个中序遍历有序的二叉树
- 优化思路
-
通常优化:减少循环层次
-
通常优化:增加分支,减少计算集
-
通常优化:采用内置算法来提升计算速度
-
分析题目特点,分析最优解
- 可以在递归过程减少传递值的规模
- 测量工具
- 本地化测试说明:LeetCode网站测试运行时数据波动很大,因此需要本地化测试解决这个问题
CheckFuncPerf
(本地化函数用时和内存占用测试模块)已上传到CSDN,地址:Python算法题集_检测函数用时和内存占用的模块- 本题本地化超时测试用例自己生成,详见【最优算法章节】
3. 代码展开
1) 标准求解【极简代码递归】
将递归主要代码写在一行内,加上判断语句,只用3句
马马虎虎,超过75%
import CheckFuncPerf as cfpclass Solution:def sortedArrayToBST_base(self, nums):ilen = len(nums)if ilen == 0: return Nonereturn TreeNode(nums[ilen // 2], self.sortedArrayToBST_base(nums[0: (ilen // 2)]), self.sortedArrayToBST_base(nums[(ilen // 2) + 1:]))result = cfp.getTimeMemoryStr(Solution.sortedArrayToBST_base, aSolution, nums)
print(result['msg'], '执行结果 = {}'.format(result['result'].val))# 运行结果
函数 sortedArrayToBST_base 的运行时间为 3176.51 ms;内存使用量为 156856.00 KB 执行结果 = 500000
2) 改进版一【多行代码递归】
将递归代码展开,判断语句就变多了
奇怪的是,这种方式实际性能最低,但是网站上运行居然效果最好,可能是计算量太小,导致波动掩盖了效率
性能卓越,超越95%
import CheckFuncPerf as cfpclass Solution:def sortedArrayToBST_ext1(self, nums):if not nums:returnimid = len(nums) // 2root = TreeNode(nums[imid])if imid == 0: return rootroot.left = self.sortedArrayToBST_ext1(nums[:imid])root.right = self.sortedArrayToBST_ext1(nums[imid + 1:])return rootresult = cfp.getTimeMemoryStr(Solution.sortedArrayToBST_ext1, aSolution, nums)
print(result['msg'], '执行结果 = {}'.format(result['result'].val))# 运行结果
函数 sortedArrayToBST_ext1 的运行时间为 3500.60 ms;内存使用量为 156944.00 KB 执行结果 = 500000
3) 改进版二【极简代码递归+传递下标】
将递归主要代码写在一行内,另外前两种传递参数为列表切片,修改为传递左右下标,减少了切片操作
马马虎虎,超过69%
import CheckFuncPerf as cfpclass Solution:def sortedArrayToBST_ext2(self, nums):def sortedarraytobst(left, right):if left > right: return Noneimid = (left + right) // 2return TreeNode(nums[imid], sortedarraytobst(left, imid-1),sortedarraytobst(imid+1, right))return sortedarraytobst(0, len(nums)-1)result = cfp.getTimeMemoryStr(Solution.sortedArrayToBST_ext2, aSolution, nums)
print(result['msg'], '执行结果 = {}'.format(result['result'].val))# 运行结果
函数 sortedArrayToBST_ext2 的运行时间为 2529.24 ms;内存使用量为 154624.00 KB 执行结果 = 499999
4. 最优算法
根据本地日志分析,最优算法为第3种方式【极简代码递归+传递下标】sortedArrayToBST_ext2
iLen = 1000000
nums = [x for x in range(iLen)]
aSolution = Solution()
result = cfp.getTimeMemoryStr(Solution.sortedArrayToBST_base, aSolution, nums)
print(result['msg'], '执行结果 = {}'.format(result['result'].val))
result = cfp.getTimeMemoryStr(Solution.sortedArrayToBST_ext1, aSolution, nums)
print(result['msg'], '执行结果 = {}'.format(result['result'].val))
result = cfp.getTimeMemoryStr(Solution.sortedArrayToBST_ext2, aSolution, nums)
print(result['msg'], '执行结果 = {}'.format(result['result'].val))# 算法本地速度实测比较
函数 sortedArrayToBST_base 的运行时间为 3176.51 ms;内存使用量为 156856.00 KB 执行结果 = 500000
函数 sortedArrayToBST_ext1 的运行时间为 3500.60 ms;内存使用量为 156944.00 KB 执行结果 = 500000
函数 sortedArrayToBST_ext2 的运行时间为 2529.24 ms;内存使用量为 154624.00 KB 执行结果 = 499999
一日练,一日功,一日不练十日空
may the odds be ever in your favor ~