树的遍历方式总体分为两类:深度优先搜索(DFS)、广度优先搜索(BFS);
- 常见的 DFS : 先序遍历、中序遍历、后序遍历;
- 常见的 BFS : 层序遍历(即按层遍历)。
求树的深度需要遍历树的所有节点,本文将介绍基于 后序遍历(DFS) 和 层序遍历(BFS) 的两种解法。
方法一:
后序遍历(DFS)
- 树的后序遍历 / 深度优先搜索往往利用 递归 或 栈 实现,本文使用递归实现。
- 关键点: 此树的深度和其左(右)子树的深度之间的关系。显然,此树的深度 等于 左子树的深度 与 右子树的深度 中的 最大值 +1 。
算法解析:
- 终止条件: 当 root? 为空,说明已越过叶节点,因此返回 深度 0 。
- 递推工作: 本质上是对树做后序遍历。
- 计算节点 root? 的 左子树的深度 ,即调用 maxDepth(root.left);
- 计算节点 root? 的 右子树的深度 ,即调用 maxDepth(root.right);
- 返回值: 返回 此树的深度 ,即 max(maxDepth(root.left), maxDepth(root.right)) + 1。
复杂度分析:
- 时间复杂度 O(N) : N 为树的节点数量,计算树的深度需要遍历所有节点。
- 空间复杂度 O(N): 最差情况下(当树退化为链表时),递归深度可达到 N 。
代码:
class Solution:
def maxDepth(self, root: TreeNode) -> int:
if not root: return 0
return max(self.maxDepth(root.left), self.maxDepth(root.right)) + 1
方法二
层序遍历(BFS)
- 树的层序遍历 / 广度优先搜索往往利用 队列 实现。
- 关键点: 每遍历一层,则计数器 +1 ,直到遍历完成,则可得到树的深度。
算法解析:
- 特例处理: 当 root? 为空,直接返回 深度 00 。
- 初始化: 队列 queue (加入根节点 root ),计数器 res = 0。
- 循环遍历: 当 queue 为空时跳出。
初始化一个空列表 tmp ,用于临时存储下一层节点;
- 遍历队列: 遍历 queue 中的各节点 node ,并将其左子节点和右子节点加入 tmp;
- 更新队列: 执行 queue = tmp ,将下一层节点赋值给 queue;
- 统计层数: 执行 res += 1 ,代表层数加 1;
- 返回值: 返回 res 即可。
复杂度分析
- 时间复杂度 O(N) : N 为树的节点数量,计算树的深度需要遍历所有节点。
- 空间复杂度 O(N): 最差情况下(当树平衡时),队列 queue 同时存储 N/2 个节点。
代码
class Solution:
def maxDepth(self, root: TreeNode) -> int:
if not root: return 0
queue, res = [root], 0
while queue:
tmp = []
for node in queue:
if node.left: tmp.append(node.left)
if node.right: tmp.append(node.right)
queue = tmp
res += 1
return res
作者:jyd
链接:https:
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
|