递归和非递归遍历二叉树报告中遇到的问题及解决怎么写

在二叉树的遍历中，递归和非递归遍历都有各自的优缺点。递归遍历代码简单易懂，但是存在空间开销较大的问题。非递归遍历虽然可以减少空间开销，但是需要使用较为复杂的数据结构（如栈）来实现。

在实现递归遍历二叉树时，需要注意以下几个问题：

1. 递归函数的终止条件：每个递归函数都需要有一个终止条件，否则会出现无限递归的情况。

2. 遍历顺序：在进行递归遍历时，需要确定先遍历左子树还是右子树。

下面是实现二叉树的前序遍历、中序遍历和后序遍历的递归代码：

# 前序遍历
def preorderTraversal(root):
    if not root:
        return []
    return [root.val] + preorderTraversal(root.left) + preorderTraversal(root.right)

# 中序遍历
def inorderTraversal(root):
    if not root:
        return []
    return inorderTraversal(root.left) + [root.val] + inorderTraversal(root.right)

# 后序遍历
def postorderTraversal(root):
    if not root:
        return []
    return postorderTraversal(root.left) + postorderTraversal(root.right) + [root.val]

在实现非递归遍历二叉树时，需要使用栈来模拟递归调用的过程。具体实现如下：

# 前序遍历
def preorderTraversal(root):
    if not root:
        return []
    stack, res = [root], []
    while stack:
        node = stack.pop()
        res.append(node.val)
        if node.right:
            stack.append(node.right)
        if node.left:
            stack.append(node.left)
    return res

# 中序遍历
def inorderTraversal(root):
    if not root:
        return []
    stack, res = [], []
    while stack or root:
        while root:
            stack.append(root)
            root = root.left
        node = stack.pop()
        res.append(node.val)
        root = node.right
    return res

# 后序遍历
def postorderTraversal(root):
    if not root:
        return []
    stack, res = [root], []
    while stack:
        node = stack.pop()
        res.append(node.val)
        if node.left:
            stack.append(node.left)
        if node.right:
            stack.append(node.right)
    return res[::-1]

需要注意的是，非递归的遍历顺序与递归的遍历顺序是不同的。对于前序遍历和后序遍历，非递归的实现可以通过修改遍历顺序来得到正确的结果。对于中序遍历，则需要使用一个 while 循环来模拟递归调用的过程。