文章目录
二叉树遍历用递归实现是很简单的，虽然递归效率在O(N)看似很好了，但递归的函数调用开销大，导致算法常数太大。所以这里我们介绍迭代的方法来实现二叉树遍历。
掌握二叉树遍历的迭代算法有什么意义呢？
- 迭代比递归效率高
- 可以帮助我们更好的理解二叉树
迭代版先序遍历1（尾递归）
迭代版先序遍历2
迭代版中序遍历1（引入辅助栈）
这里我们引入了一个辅助栈用于做回溯，回溯的时候要注意不要重复访问导致死循环。回溯避免重复访问主要办法是：留下“脚印”标记，每次访问都检查是否有标记。
而对于二叉树遍历，我们有更特殊简便的方法，无需留下额外标记：由于我们是沿左侧遍历的，那么从栈中pop出的元素不要再走左边了。既然pop出的元素不能再遍历左子树，为了保证算法是正确的，我们要引入一个限制，即[不变量1]：栈顶节点的左子树已经遍历过了，无需再访问。
# -*- coding:utf-8 -*-
class TreeNode:
def __init__(self, x):
self.val = x
self.left = None
self.right = None
class Solution:
def inorder_traverse(self, root: TreeNode):
# t是迭代变量，stack是辅助栈
# 不变量1：栈顶元素的左子树无需遍历（没有左子树或左子树已经遍历过）
# 不变量2：t的左子树无需遍历
stack = []
t = root
while True:
# [不变量2]不满足
# [不变量1]满足
while t is not None:
stack.append(t)
t = t.left
# [不变量1]满足
# [不变量2]满足，此时t一定为None
if len(stack) == 0:
break
t = stack[-1]
del stack[-1]
# [不变量2]满足，此时t是栈顶取出的，肯定满足
# 由于[不变量2]满足，中序遍历，接下来我们遍历该节点，然后转向右子树
print(t.val)
t = t.right # t.right是完全没遍历过的子树，这是原问题的一个[子问题]
# [不变量2]不满足
def main():
t = TreeNode(1)
t.left = TreeNode(2)
t.right = TreeNode(3)
t.left.left = TreeNode(4)
t.left.right = TreeNode(5)
t.right.left = TreeNode(6)
t.right.right = TreeNode(7)
s = Solution()
s.inorder_traverse(t)
if __name__ == '__main__':
main()
迭代版中序遍历2（无需辅助栈）
引入辅助栈需要额外O(N)的空间，这里介绍一个无需引入栈的算法，只要额外引入O(1)的空间。
