-
Notifications
You must be signed in to change notification settings - Fork 422
/
KthSmallestElementInABST.py
73 lines (55 loc) · 1.87 KB
/
KthSmallestElementInABST.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
"""
Given a binary search tree, write a function kthSmallest to find the kth smallest element in it.
Note:
You may assume k is always valid, 1 ≤ k ≤ BST's total elements.
Example 1:
Input: root = [3,1,4,null,2], k = 1
3
/ \
1 4
\
2
Output: 1
Example 2:
Input: root = [5,3,6,2,4,null,null,1], k = 3
5
/ \
3 6
/ \
2 4
/
1
Output: 3
Follow up:
What if the BST is modified (insert/delete operations) often and you need to find the kth smallest frequently? How would you optimize the kthSmallest routine?
取出二叉搜索树中第 k 小的数据。
就这一条来看用 inorder 即可。
进阶条件是如果这颗树经常进行 插入/删除操作如何去优化它呢?
以下是思考:
一颗相对平衡的 BST 的优势在于:可以在 O(log n) 时间内查找/插入/删除某些数据。
就查找这一个条件来说构建一个 排序过的数组是可以达到 O(log n) 的需求的。 但是插入和删除对于数组来说都是 O(n)级别的。
Discuss里有讨论说可以记录 第 k ,第 k-1 个。若插入的比 k 大那么不变,否则k就变为 k-1,然后在重新计算 k - 1。这样也是部分优化。
待解决。
非进阶的:
beat 78% 48ms。
测试地址:
https://leetcode.com/problems/kth-smallest-element-in-a-bst/description/
"""
# Definition for a binary tree node.
# class TreeNode(object):
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def find_data(self, root: TreeNode):
if root is None:
return
Solution.find_data(self,root.left)
self.data.append(root.val)
Solution.find_data(self,root.right)
return
def kthSmallest(self, root: TreeNode, k: int) -> int:
self.data = []
Solution.find_data(self, root)
return self.data[k-1]