【LeetCode刷题】翻转二叉树

给你一棵二叉树的根节点 root ,翻转这棵二叉树,并返回其根节点。

示例 1:

复制代码
输入:root = [4,2,7,1,3,6,9]
输出:[4,7,2,9,6,3,1]

示例 2:

复制代码
输入:root = [2,1,3]
输出:[2,3,1]

示例 3:

复制代码
输入:root = []
输出:[]

提示:

  • 树中节点数目范围在 [0, 100]
  • -100 <= Node.val <= 100

解题思路

翻转二叉树的本质是交换树中每个节点的左右子节点 ,采用递归策略实现:

  1. 边界处理 :若当前节点为空(root is None),直接返回空(无需翻转);
  2. 交换子节点 :对当前非空节点,交换其leftright子节点;
  3. 递归遍历:分别对交换后的左子节点、右子节点递归执行翻转操作;
  4. 返回节点:完成当前节点及子树的翻转后,返回当前节点。

示例验证(以示例 1 为例)

输入树结构:root = [4,2,7,1,3,6,9]

  1. 根节点4:交换左右子节点27,得到左子树7、右子树2
  2. 节点7:交换其左右子节点69
  3. 节点2:交换其左右子节点13;最终得到翻转后的树:[4,7,2,9,6,3,1],与示例输出一致。

算法特性

  • 时间复杂度:O(n)(需遍历树中所有n个节点,每个节点仅处理一次);
  • 空间复杂度:O(h)(h为树的高度,递归栈的深度由树高决定;最坏情况下树为链状,h=n)。

Python代码

python 复制代码
from typing import Optional, List, Deque
from collections import deque


class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right


class Solution:
    def invertTree(self, root: Optional[TreeNode]) -> Optional[TreeNode]:
        # 边界条件:空节点直接返回
        if not root:
            return None
        # 交换当前节点的左右子节点
        root.left, root.right = root.right, root.left
        # 递归翻转左子树和右子树
        self.invertTree(root.left)
        self.invertTree(root.right)
        # 返回当前节点(已完成翻转)
        return root


def build_tree(nums: List[Optional[int]]) -> Optional[TreeNode]:
    """层序遍历构建二叉树(适配LeetCode的数组表示法,None表示空节点)"""
    if not nums or nums[0] is None:
        return None
    root = TreeNode(nums[0])
    q: Deque[TreeNode] = deque([root])
    i = 1
    while q and i < len(nums):
        cur_node = q.popleft()
        # 构建左子节点
        if nums[i] is not None:
            cur_node.left = TreeNode(nums[i])
            q.append(cur_node.left)
        i += 1
        # 构建右子节点
        if i < len(nums) and nums[i] is not None:
            cur_node.right = TreeNode(nums[i])
            q.append(cur_node.right)
        i += 1
    return root


def print_tree(root: Optional[TreeNode]) -> List[Optional[int]]:
    """层序遍历打印二叉树(转回数组,方便查看翻转结果)"""
    if not root:
        return []
    res = []
    q: Deque[TreeNode] = deque([root])
    while q:
        cur_node = q.popleft()
        if cur_node:
            res.append(cur_node.val)
            q.append(cur_node.left)
            q.append(cur_node.right)
        else:
            res.append(None)
    # 去除末尾的空节点,让结果更整洁
    while res and res[-1] is None:
        res.pop()
    return res


if __name__ == "__main__":
    nums = [4, 2, 7, 1, 3, 6, 9]  # 原二叉树数组
    root = build_tree(nums)
    print("翻转前的二叉树(层序):", print_tree(root))  # 输出 [4,2,7,1,3,6,9]

    # 执行翻转
    sol = Solution()
    invert_root = sol.invertTree(root)
    print("翻转后的二叉树(层序):", print_tree(invert_root))  # 输出 [4,7,2,9,6,3,1]

LeetCode提交代码

python 复制代码
# 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 invertTree(self, root: Optional[TreeNode]) -> Optional[TreeNode]:
        # 边界条件:空节点直接返回
        if not root:
            return None
        # 交换当前节点的左右子节点
        root.left, root.right = root.right, root.left
        # 递归翻转左子树和右子树
        self.invertTree(root.left)
        self.invertTree(root.right)
        # 返回当前节点(已完成翻转)
        return root

程序运行截图展示

总结

本文介绍如何翻转二叉树,即交换树中每个节点的左右子节点。采用递归策略:处理空节点直接返回;非空节点交换左右子节点后递归处理子树。示例验证显示输入[4,2,7,1,3,6,9]翻转后为[4,7,2,9,6,3,1]。算法时间复杂度O(n),空间复杂度O(h)。提供Python实现代码,包括树构建和打印方法,以及LeetCode提交格式。核心思想是通过递归交换左右子树实现整棵树的翻转。

相关推荐
森爱。2 小时前
web开发全家桶(django+前端+数据库)
前端·python·django
嵌入小生0072 小时前
数据结构与算法 | 完全二叉树的实现、哈希表的实现
linux·c语言·数据结构·算法·vim·嵌入式
渡我白衣2 小时前
无中生有——无监督学习的原理、算法与结构发现
人工智能·深度学习·神经网络·学习·算法·机器学习·语音识别
小龙报2 小时前
【数据结构与算法】单链表的综合运用:1.合并两个有序链表 2.分割链表 3.环形链表的约瑟夫问题
c语言·开发语言·数据结构·c++·算法·leetcode·链表
蓝海星梦2 小时前
GRPO 算法演进:2025 年 RL4LLM 领域 40+ 项改进工作全景解析
论文阅读·人工智能·深度学习·算法·自然语言处理·强化学习
拼好饭和她皆失2 小时前
图论:最小生成树,二分图详细模板及讲解
c++·算法·图论
傻小胖2 小时前
19.ETH-挖矿算法-北大肖臻老师客堂笔记
笔记·算法·区块链
七夜zippoe2 小时前
数据可视化高级技巧:Matplotlib + Seaborn实战大全
python·信息可视化·matplotlib·数据可视化·seaborn·gridspec
郝学胜-神的一滴2 小时前
线性判别分析(LDA)原理详解与实战应用
人工智能·python·程序人生·算法·机器学习·数据挖掘·sklearn