❤️❤️❤️ 欢迎来到我的博客。希望您能在这里找到既有价值又有趣的内容,和我一起探索、学习和成长。欢迎评论区畅所欲言、享受知识的乐趣!
- 推荐:数据分析螺丝钉的首页 格物致知 终身学习 期待您的关注
- 导航:
- LeetCode解锁1000题: 打怪升级之旅:每题都包括3-5种算法,以及详细的代码实现,刷题面试跳槽必备
- 漫画版算法详解:通过漫画的形式和动态GIF图片把复杂的算法每一步进行详细可视解读,看一遍就掌握
- python源码解读:解读python的源代码与调用关系,快速提升代码质量
- python数据分析可视化:企业实战案例:企业级数据分析案例与可视化,提升数据分析思维和可视化能力
- 程序员必备的数学知识与应用:全面详细的介绍了工程师都必备的数学知识
期待与您一起探索技术、持续学习、一步步打怪升级 欢迎订阅本专栏❤️❤️
题目描述
给定一个二叉树,找出其最大深度。
最大深度是从根节点到最远叶子节点的最长路径上的节点数。
示例:
给定二叉树 [3,9,20,null,null,15,7]
,
3 / \ 9 20 / \ 15 7
最大深度是 3。
方法一:递归
解题步骤
- 如果节点为空,返回深度 0。
- 递归计算左子树的最大深度。
- 递归计算右子树的最大深度。
- 返回左右子树深度的最大值加一(当前节点的深度)。
Python 示例
class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def maxDepth(root): if not root: return 0 return 1 + max(maxDepth(root.left), maxDepth(root.right))
算法分析
- 时间复杂度:O(N),其中 N 为树的节点数,每个节点访问一次。
- 空间复杂度:O(H),其中 H 为树的高度,因为递归栈的深度由树的高度决定。
算法图解与说明
3 <-- Level 1 / \ 9 20 <-- Level 2 / \ 15 7 <-- Level 3 调用栈情况(以节点3为例): maxDepth(3) => maxDepth(9), maxDepth(20) => maxDepth(null), maxDepth(null), maxDepth(15), maxDepth(7)
方法二:迭代(使用栈)
解题步骤
- 使用栈来模拟递归过程,每个元素为节点及其当前深度。
- 初始化栈包含根节点和深度 1。
- 当栈不为空,弹出节点并更新最大深度。
- 将节点的左右子节点及其深度压入栈中。
Python 示例
def maxDepthIterative(root): if not root: return 0 stack = [(root, 1)] max_depth = 0 while stack: node, depth = stack.pop() if node: max_depth = max(max_depth, depth) stack.append((node.left, depth + 1)) stack.append((node.right, depth + 1)) return max_depth
算法分析
- 时间复杂度:O(N)
- 空间复杂度:O(N)
算法图解与说明
栈的操作示例: 初始: [(3, 1)] 操作: 弹出(3, 1), 压入(9, 2), 压入(20, 2) 接着: 弹出(20, 2), 压入(15, 3), 压入(7, 3) 接着: 弹出(7, 3), 弹出(15, 3), 弹出(9, 2)
方法三:层序遍历(使用队列)
解题步骤
- 使用队列实现层序遍历。
- 每遍历完一层,深度加一。
Python 示例
from collections import deque def maxDepthUsingBFS(root): if not root: return 0 queue = deque([root]) depth = 0 while queue: for _ in range(len(queue)): node = queue.popleft() if node.left: queue.append(node.left) if node.right: queue.append(node.right) depth += 1 return depth
算法分析
- 时间复杂度:O(N)
- 空间复杂度:O(N)
算法图解与说明
队列操作示例: 初始: [3] 操作: 弹出3, 压入9, 压入20 接着: 弹出9, 弹出20, 压入15, 压入7 接着: 弹出15, 弹出7
方法四:尾递归优化
解题步骤
- 使用尾递归形式来优化递归的性能。
- 传递当前深度作为参数,避免额外的递归开销。
Python 示例
def maxDepthTailRecursive(root, depth=0): if not root: return depth return max(maxDepthTailRecursive(root.left, depth + 1), maxDepthTailRecursive(root.right, depth + 1))
算法分析
- 时间复杂度:O(N)
- 空间复杂度:O(H),利用尾递归优化,Python 中不一定有效,取决于解释器是否优化尾调用。
算法图解与说明
递归调用栈(尾递归): maxDepthTailRecursive(3, 0) => maxDepthTailRecursive(9, 1), maxDepthTailRecursive(20, 1) => maxDepthTailRecursive(null, 2), ...
方法五:分治法
解题步骤
- 对每个节点,分别求解左右子树的最大深度。
- 合并左右子树深度的结果,取最大值加一。
Python 示例
def maxDepthDivideAndConquer(root): if not root: return 0 left_depth = maxDepthDivideAndConquer(root.left) right_depth = maxDepthDivideAndConquer(root.right) return 1 + max(left_depth, right_depth)
算法分析
- 时间复杂度:O(N)
- 空间复杂度:O(H)
算法图解与说明
分治递归过程: maxDepthDivideAndConquer(3) => maxDepthDivideAndConquer(9), maxDepthDivideAndConquer(20) => maxDepthDivideAndConquer(null), maxDepthDivideAndConquer(null), ...
应用示例
上述各方法均适用于任何形式的二叉树结构,可以有效解决实际问题中的深度计算问题。
🌹🌹如果觉得这篇文对你有帮助的话,记得一键三连关注、赞👍🏻、收藏是对作者最大的鼓励,非常感谢 ❥(^_-)
❤️❤️作者知识有限,如有错误,请各位大佬评论区批评指正,不胜感激❥(^_-)
欢迎关注微信公众号 数据分析螺丝钉