这两道题差不多。
思路:
1.BFS
2.DFS
说明: 叶子节点是指没有子节点的节点。
示例:
给定二叉树 [3,9,20,null,null,15,7]
,
3
/ \
9 20
/ \
15 7
返回它的最大深度 3 。
1.BFS代码:
class Solution(object):
def maxDepth(self, root):
"""
:type root: TreeNode
:rtype: int
"""
if not root:return 0
queue ,level = [],0
queue.append(root)
while queue:
level += 1
for _ in range(len(queue)):
node = queue.pop(0)
if node.left:queue.append(node.left)
if node.right:queue.append(node.right)
return level
2.DFS代码:
class Solution(object):
def maxDepth(self, root):
"""
:type root: TreeNode
:rtype: int
"""
if not root:return 0
return 1 + max(self.maxDepth(root.left),self.maxDepth(root.right))
总结:
1.BFS和DFS的时间复杂度都O(N)
2.实际执行时间一样,第一遍ac的时候dfs稍慢点,原因不明
3.DFS的递归写法更容易理解
给定一个二叉树,找出其最小深度。
最小深度是从根节点到最近叶子节点的最短路径上的节点数量。
说明: 叶子节点是指没有子节点的节点。
示例:
给定二叉树 [3,9,20,null,null,15,7]
,
3
/ \
9 20
/ \
15 7
返回它的最小深度 2.
1.BFS代码:
class Solution(object):
def minDepth(self, root):
"""
:type root: TreeNode
:rtype: int
"""
if not root:return 0
queue,level = [],0
queue.append(root)
while queue:
level += 1
for _ in range(len(queue)):
node = queue.pop(0)
if node.left:queue.append(node.left)
if node.right:queue.append(node.right)
if node.left == None and node.right == None:return level
2.DFS代码:
class Solution(object):
def minDepth(self, root):
"""
:type root: TreeNode
:rtype: int
"""
if not root:return 0
if not root.left:return 1 + self.minDepth(root.right)
if not root.right:return 1 + self.minDepth(root.left)
left = self.minDepth(root.left)
right = self.minDepth(root.right)
return 1 + min(left,right)
2.的改写:
class Solution(object):
def minDepth(self, root):
"""
:type root: TreeNode
:rtype: int
"""
if not root:return 0
left = int(self.minDepth(root.left))
right = int(self.minDepth(root.right))
return left + right + 1 if (left == 0 or right == 0) else 1 + min(left,right)