思想
二叉树的核心思想是分治和递归，特点是遍历方式。
解题方式常见两类思路：
- 遍历一遍二叉树寻找答案；
- 通过分治分解问题寻求答案；
遍历分为前中后序，本质上是遍历二叉树过程中处理每个节点的三个特殊时间点：
- 前序是在刚刚进入二叉树节点时执行；
- 后序是在将要离开二叉树节点时执行；
- 中序是左子树遍历完进入右子树前执行；
# 前序
1 node
/ \
2 left 3 right
中左右
# 中序
2 node
/ \
1 left 3 right
左中右
# 后序
3 node
/ \
1 left 2 right
左右中
多叉树只有前后序列遍历，因为只有二叉树有唯一一次中间节点的遍历
题目的关键就是找到遍历过程中的位置，插入对应代码逻辑实现场景的目的。
实例
把二叉搜索树转换为累加树 leetcode 538
class TreeNode:
def __init__(self, val=0, left=None, right=None):
self.val = val
self.left = left
self.right = right
输入：
TreeNode，一棵树的根节点
输出：
TreeNode，返回累加树的根节点
累加的定义是新的根节点是原树中大于或等于当前根节点的值之和
举例：
输入 root = [4,1,6,0,2,5,7,null,null,null,3,null,null,null,8]
返回 [30,36,21,36,35,26,15,null,null,null,33,null,null,null,8]
4(30 = 4 + 6 + 5 + 7 + 8)
/ \
1 6
/ \ / \
0 2 5 7
\ \
3 8
二叉树的数据存储可以使用链表，也可以使用数组，往往数组更容易表达，根节点从 index=1 处开始存储，浪费 index=0 的位置
left_child = 2 * parent
right_child = 2 * parent + 1
parent = child // 2
BST(Binary Search Tree) 的特点是每个节点的左子树都比它小，右子树都比它大。
乍看之下累加和可以求右子树节点和即可，但是父节点可能比当前节点大，不能这样求解。
这个场景还是要还原到 BST 的中序遍历有序的特点上，因为有序，所以可以找到所有小于等于该节点的元素。
因为查找的是不小于当前节点的元素，不能用常规的中序遍历，可以调整下左右子树的顺序，先遍历右子树，这样到中序的时候就拿到了当前大于等于根节点的元素和。
编码
from typing import Optional
class TreeNode:
def __init__(self, val=0, left=None, right=None):
self.val = val
self.left = left
self.right = right
def convert_bst_to_greater_tree(root: Optional[TreeNode]) -> Optional[TreeNode]:
total = 0
def traverse(root: Optional[TreeNode]):
if root is None:
return
# 先遍历右子树拿到比当前节点大的元素和
traverse(root.right)
# 中序遍历，处理累加和
nonlocal total
total += root.val
root.val = total
traverse(root.left)
traverse(root)
return root
相关
二叉树 0
二叉树 1
二叉树 2
二叉树 3
二叉树 4
二叉树 5
二叉树 6
二叉树 7
二叉树 8
二叉树 9
二叉树 10
二叉树 11
二叉树 12
二叉树 13
二叉树 14
二叉树 15
二叉树 16
二叉树 17
二叉树 18
二叉树 19
