【刷爆力扣之637. 二叉树的层平均值】

637. 二叉树的层平均值

方法一:深度优先搜索dfs

使用深度优先搜索计算二叉树的层平均值,需要维护两个数组,counts 用于存储二叉树的每一层的节点数,sums 用于存储二叉树的每一层的节点值之和。搜索过程中需要记录当前节点所在层,如果访问到的节点在第 i 层,则将 counts[i] 的值加 1,并将该节点的值加到 sums[i]

遍历结束之后,第 i 层的平均值即为 sums[i]/counts[i]

java 复制代码
class Solution {
    public List<Double> averageOfLevels(TreeNode root) {
        // 维护两个集合,一个集合counts记录每一层节点个数,一个集合sums记录每一层节点总和
        List<Integer> counts = new ArrayList<Integer>();
        List<Double> sums = new ArrayList<Double>();
        dfs(root, 0, counts, sums);
        List<Double> averages = new ArrayList<Double>();
        int size = sums.size();
        for (int i = 0; i < size; i++) {
            averages.add(sums.get(i) / counts.get(i));
        }
        return averages;
    }

    // 深度优先遍历
    public void dfs(TreeNode root, int level, List<Integer> counts, List<Double> sums) {
        if (root == null) {
            return;
        }
        // 如果当前层小于sums集合的长度,说明之前已经遍历过当前层的其他节点
        if (level < sums.size()) {
            sums.set(level, sums.get(level) + root.val);// 求和
            counts.set(level, counts.get(level) + 1); // 节点数加1
        } else { // 否则,说明第一次遍历当前层
            sums.add(1.0 * root.val); // 添加新的一层的元素
            counts.add(1); // count为1
        }
        // 左孩子
        dfs(root.left, level + 1, counts, sums);
        // 右孩子
        dfs(root.right, level + 1, counts, sums);
    }
}

方法二:广度优先搜索

也可以使用广度优先搜索计算二叉树的层平均值。从根节点开始搜索,每一轮遍历同一层的全部节点,计算该层的节点数以及该层的节点值之和,然后计算该层的平均值。

如何确保每一轮遍历的是同一层的全部节点呢?我们可以借鉴层次遍历的做法,广度优先搜索使用队列存储待访问节点,只要确保在每一轮遍历时,队列中的节点是同一层的全部节点即可。具体做法如下:

  • 初始时,将根节点加入队列;
  • 每一轮遍历时,将队列中的节点全部取出,计算这些节点的数量以及它们的节点值之和,并计算这些节点的平均值,然后将这些节点的全部非空子节点加入队列,重复上述操作直到队列为空,遍历结束。

由于初始时队列中只有根节点,满足队列中的节点是同一层的全部节点,每一轮遍历时都会将队列中的当前层节点全部取出,并将下一层的全部节点加入队列,因此可以确保每一轮遍历的是同一层的全部节点。

具体实现方面,可以在每一轮遍历之前获得队列中的节点数量 size,遍历时只遍历 size个节点,即可满足每一轮遍历的是同一层的全部节点。

java 复制代码
public List<Double> averageOfLevels(TreeNode root) {
    List<Double> result = new ArrayList<>();
    // 层序遍历需要的队列数据结构
    Queue<TreeNode> queue = new LinkedList<>();
    queue.offer(root);
    while (!queue.isEmpty()) {
        Double level = null;
        // 每一层节点个数
        int size = queue.size();
        // 每一层节点的总和
        Double sum = 0.0;
        // 每轮循环,将当前层的所有节点全部弹出,将下一层的所有节点全部入队
        for (int i = 0; i < size; i++) {
            TreeNode polled = queue.poll();
            sum += polled.val;
            TreeNode left = polled.left;
            TreeNode right = polled.right;
            if (left != null) {
                queue.offer(left);
            }
            if (right != null) {
                queue.offer(right);
            }
        }
        result.add(sum / size);
    }
    return result;
}
相关推荐
为什么这亚子37 分钟前
九、Go语言快速入门之map
运维·开发语言·后端·算法·云原生·golang·云计算
1 小时前
开源竞争-数据驱动成长-11/05-大专生的思考
人工智能·笔记·学习·算法·机器学习
~yY…s<#>1 小时前
【刷题17】最小栈、栈的压入弹出、逆波兰表达式
c语言·数据结构·c++·算法·leetcode
幸运超级加倍~2 小时前
软件设计师-上午题-16 算法(4-5分)
笔记·算法
yannan201903132 小时前
【算法】(Python)动态规划
python·算法·动态规划
埃菲尔铁塔_CV算法2 小时前
人工智能图像算法:开启视觉新时代的钥匙
人工智能·算法
EasyCVR2 小时前
EHOME视频平台EasyCVR视频融合平台使用OBS进行RTMP推流,WebRTC播放出现抖动、卡顿如何解决?
人工智能·算法·ffmpeg·音视频·webrtc·监控视频接入
linsa_pursuer2 小时前
快乐数算法
算法·leetcode·职场和发展
小芒果_012 小时前
P11229 [CSP-J 2024] 小木棍
c++·算法·信息学奥赛
qq_434085902 小时前
Day 52 || 739. 每日温度 、 496.下一个更大元素 I 、503.下一个更大元素II
算法