二叉树的最大深度：
二叉树的 最大深度 是指从根节点到最远叶子节点的最长路径上的节点数。
二叉树的最大深度=二叉树的高度
算法：
这道题既可以求深度，也可以直接求高度。不过高度和深度用的遍历方式不同。
二叉树写代码之前要确定遍历顺序！
求高度（从下往上求高度）：后序遍历（左右中）。先求左右孩子的最大高度（左右），再加上根节点的高度（中）。
求深度：前序遍历（中左右）。
调试过程:
递归法：
原因：node可能为空，我没判断node非空
正确代码：
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, val=0, left=None, right=None):
# self.val = val
# self.left = left
# self.right = right
class Solution:
def maxDepth(self, root: Optional[TreeNode]) -> int:
if root == None:
return 0
else:
return self.getdepth(root)
def getdepth(self,node:Optional[TreeNode])-> int:
if node == None:
return 0
else:
#左右
leftheight = self.getdepth(node.left)
rightheight = self.getdepth(node.right)
#中
depth = 1+max(leftheight,rightheight)
return depth
时间空间复杂度：
- 时间复杂度： 该代码使用递归方法计算二叉树的最大深度。在最坏的情况下，当二叉树完全不平衡并且类似于链表时，代码将恰好访问每个节点一次。因此，代码的时间复杂度为O(n)，其中n是二叉树中的节点数。
- **空间复杂度：**代码的空间复杂度由二叉树的最大深度决定。在最坏的情况下，当二叉树完全不平衡并且类似于链表时，最大深度（高度）将等于树中的节点数。因此，代码的空间复杂度为O(n)，其中n是二叉树中的节点数。
- 总体而言，该代码的时间复杂度为O(n)，空间复杂度为O(n)。
N叉树的最大深度：
算法：
求高度（从下往上求高度）：先求根节点所有子树的最大高度，再加上根节点的高度。
N叉树的定义（要会写！）：
class Node:
def __init__(self, val=None, children=None):
self.val = val
#children就是根节点的孩子
self.children = children
调试过程：
递归法：
原因：
错误是在 `for` 循环中尝试使用变量 `depth` ，但在循环之前没有初始化该变量。这导致在 `return depth` 语句处引发了 `UnboundLocalError` 错误。
要解决这个问题，可以在 `maxDepth` 方法之前初始化 `depth` 变量
正确代码：
"""
# Definition for a Node.
class Node:
def __init__(self, val=None, children=None):
self.val = val
self.children = children
"""
class Solution:
def maxDepth(self, root: 'Node') -> int:
if root == None:
return 0
else:
depth = 1
for children in root.children:
depth = max(depth, self.maxDepth(children)+1)
return depth
时间空间复杂度：
时间复杂度： 修复后的代码使用递归方法计算 N 叉树的最大深度。在最坏的情况下，当 N 叉树完全不平衡时，代码将访问每个节点一次。因此，时间复杂度为 O(n)，其中 n 是 N 叉树中的节点数。
空间复杂度： 修复后的代码的空间复杂度由递归调用栈的深度决定。在最坏的情况下，当 N 叉树完全不平衡时，递归调用栈的深度将等于树的高度。因此，空间复杂度为 O(h)，其中 h 是 N 叉树的高度。
总体而言，代码的时间复杂度为 O(n)，空间复杂度为 O(h)。