算法_二叉树_二叉树的最大深度

二叉树的最大深度

leetcode链接

1.两种解法

递归法–后序遍历

采用后序遍历，先处理左孩子，再处理右孩子，最后处理中间节点；对于中间节点的处理就是求中间节点的最大深度，怎么求呢？

就是先求出中间节点的左子树的深度，再求出右子树的深度，然后取他们的最大值然后+1（这个+1是因为中间节点也算一层）；

这样一看，是不是就发现需要做重复操作了。即想求中间节点的深度，就要求左子树深度，想求左子树深度，就要求左子树的左子树的深度（右子树同理）。这样一来我们就可以用后序遍历的逻辑（左右中）来写代码了。

递归出口就是，如果碰到了空节点，那么他的深度就是0。

代码如下：

def maxDepth(root):
    if not root:
        return 0
	
	# 使用后序遍历
    leftchild_depth = maxDepth(root.left) # 左
    rightchild_depth = maxDepth(root.right) # 右
    return max(leftchild_depth,rightchild_depth)+1 # 中

迭代法–层序遍历

看到这道题直观的想法就是，求深度的话那么我用层序遍历，定义一个变量，每到一层我就让这个变量+1，到最后这个变量的值就是深度了。那么我们要把这个变量+1的操作应该在层序遍历的什么位置呢，这里直接给出代码。

不清楚层序遍历的可以看我之前的文章：层序遍历

代码如下：

def maxDepth(root):
    queue = []
    depth = 0 # 定义depth变量
    if not root:
        return depth

	# 初始化先把root放入queue中
    queue.append(root)

    while queue:
        size = len(queue)
        depth += 1 # 每遍历完一层的节点就+1

		# 遍历该层的节点
        for i in range(size):
            node = queue.pop(0)
            if node.left:
                queue.append(node.left)
            if node.right:
                queue.append(node.right)


    return depth

2.总结

递归的时候要用到后序遍历的逻辑，不是凭空想象的。

推荐题目

n叉树的最大深度