【LeetCode刷题】二叉树的层序遍历

给你二叉树的根节点 root ,返回其节点值的 层序遍历 。 (即逐层地,从左到右访问所有节点)。

示例 1:

复制代码
输入:root = [3,9,20,null,null,15,7]
输出:[[3],[9,20],[15,7]]

示例 2:

复制代码
输入:root = [1]
输出:[[1]]

示例 3:

复制代码
输入:root = []
输出:[]

提示:

  • 树中节点数目在范围 [0, 2000]
  • -1000 <= Node.val <= 1000

解题思路

层序遍历(广度优先搜索,BFS)的核心是按层处理节点,用队列维护当前层的所有节点,步骤如下:

  1. 初始化:若树为空,直接返回空列表;否则将根节点加入队列。
  2. 逐层处理 :每次获取当前队列的长度(即当前层的节点数),遍历这些节点:
    • 取出节点,将值加入当前层的子列表;
    • 若节点有左 / 右子节点,将子节点加入队列(用于下一层处理)。
  3. 收集结果:将当前层的子列表加入最终结果,直到队列为空。
示例验证(输入root = [3,9,20,null,null,15,7]
  • 初始队列:[3],层大小 = 1 → 处理节点 3,当前层[3],加入子节点 9、20 → 队列变为[9,20]
  • 下一层:层大小 = 2 → 处理节点 9、20,当前层[9,20],加入子节点 15、7 → 队列变为[15,7]
  • 下一层:层大小 = 2 → 处理节点 15、7,当前层[15,7],无子节点 → 队列为空。
  • 最终结果:[[3], [9,20], [15,7]],与示例输出完全一致。

算法复杂度

  • 时间复杂度:O(n)(每个节点入队和出队各一次,共处理n个节点);
  • 空间复杂度:O(n)(队列最多存储一层的节点,最坏情况为完全二叉树的最后一层,节点数约为n/2)。

Python代码

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


# 二叉树节点定义
class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right


class Solution:
    def levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
        if not root:
            return []
        # 用队列保存当前层的节点
        queue: Deque[TreeNode] = deque([root])
        result = []
        while queue:
            # 当前层的节点数量
            level_size = len(queue)
            current_level = []
            for _ in range(level_size):
                node = queue.popleft()
                current_level.append(node.val)
                # 左子节点非空则加入队列
                if node.left:
                    queue.append(node.left)
                # 右子节点非空则加入队列
                if node.right:
                    queue.append(node.right)
            result.append(current_level)
        return result


# ---------------------- 辅助函数 ----------------------
def build_tree(nums: List[Optional[int]]) -> Optional[TreeNode]:
    """层序构建二叉树(适配LeetCode数组表示法)"""
    if not nums or nums[0] is None:
        return None
    root = TreeNode(nums[0])
    q: Deque[TreeNode] = deque([root])
    idx = 1
    while q and idx < len(nums):
        cur = q.popleft()
        if nums[idx] is not None:
            cur.left = TreeNode(nums[idx])
            q.append(cur.left)
        idx += 1
        if idx < len(nums) and nums[idx] is not None:
            cur.right = TreeNode(nums[idx])
            q.append(cur.right)
        idx += 1
    return root


# ---------------------- 测试用例验证 ----------------------
if __name__ == "__main__":
    sol = Solution()
    # 示例1输入:root = [3,9,20,null,null,15,7]
    root1 = build_tree([3, 9, 20, None, None, 15, 7])
    print(f"层序遍历结果:{sol.levelOrder(root1)}")  # 输出 [[3], [9, 20], [15, 7]]

    # 示例2输入:root = [1]
    root2 = build_tree([1])
    print(f"层序遍历结果:{sol.levelOrder(root2)}")  # 输出 [[1]]

    # 示例3输入:空树
    root3 = build_tree([])
    print(f"层序遍历结果:{sol.levelOrder(root3)}")  # 输出 []

LeetCode刷题

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 levelOrder(self, root: Optional[TreeNode]) -> List[List[int]]:
        if not root:
            return []
        # 用队列保存当前层的节点
        queue: Deque[TreeNode] = deque([root])
        result = []
        while queue:
            # 当前层的节点数量
            level_size = len(queue)
            current_level = []
            for _ in range(level_size):
                node = queue.popleft()
                current_level.append(node.val)
                # 左子节点非空则加入队列
                if node.left:
                    queue.append(node.left)
                # 右子节点非空则加入队列
                if node.right:
                    queue.append(node.right)
            result.append(current_level)
        return result

程序运行截图展示

总结

本文介绍了二叉树的层序遍历(BFS)实现方法。通过队列按层处理节点,首先将根节点入队,然后逐层遍历:取出当前层节点并记录值,将其子节点入队用于下一层处理。时间复杂度为O(n),空间复杂度为O(n)。提供了Python实现代码,包含TreeNode类定义、层序遍历函数和测试用例,验证了示例输入的正确输出。该方法适用于LeetCode相关题目,能有效实现二叉树的逐层遍历。

相关推荐
aqi003 小时前
15天学会AI应用开发(八)使用向量数据库实现RAG功能
人工智能·python·大模型·ai编程·ai应用
Csvn4 小时前
`functools.lru_cache` —— 一行代码搞定缓存加速
后端·python
JieE21216 小时前
LeetCode 101. 对称二叉树|JS 递归 + 迭代双解法,彻底搞懂镜像判断
javascript·算法
金銀銅鐵21 小时前
[Python] 从《千字文》中随机挑选汉字
后端·python
cup111 天前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
aqi001 天前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
金銀銅鐵1 天前
用 Python 实现 Take-Away 游戏
python·游戏
copyer_xyf1 天前
Agent 流程编排
后端·python·agent