【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
Halo_tjn2 分钟前
JDBC 技术的使用
java·算法
Byte不洛4 分钟前
哈希表原理 + 冲突解决 + C++实现
数据结构·c++·算法·哈希算法·散列表
AIFQuant7 分钟前
外汇交易平台技术栈深度解析:行情 API、清算、风控、前端一体化方案
前端·python·websocket·金融·restful
Dillon Dong3 小时前
【风电控制】TI TMS320F28379D 双CPU架构解析与任务分布设计
嵌入式硬件·算法·变流器·风电控制
花酒锄作田6 小时前
[python]argparse 包在聊天机器人中的应用
python
NiceCloud喜云8 小时前
Opus 4.8 的 Effort Control 怎么选:Low 到 Max 五档策略
android·java·大数据·前端·c++·python·spring
小羊在睡觉8 小时前
力扣84. 柱状图中最大的矩形
后端·算法·leetcode·golang·go
3DVisionary9 小时前
蓝光三维扫描:医疗制造的精度焦虑怎么解
人工智能·算法·制造·蓝光三维扫描·医疗制造·三维检测·义齿检测
AI玫瑰助手9 小时前
Python函数:默认参数的定义与注意事项
开发语言·python·信息可视化
好评笔记9 小时前
机器学习面试八股——常用损失函数
人工智能·深度学习·算法·机器学习·校招