当前位置: 首页 > news >正文

【LeetCode】102. 二叉树的层序遍历

题目链接


在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Python3

方法一: 广度优先搜索 (BFS) ⟮ O ( n ) ⟯ \lgroup O(n) \rgroup O(n)⟯

# 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 []res = []queue =   [root,] while queue: tmp = [node.val for node in queue]res.append(tmp) # 取当前层 的结点值lis = [] ## 下一层 的结点for node in queue:if node.left:lis.append(node.left)if node.right:lis.append(node.right)queue = lis return res
# 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 []ans = []dq = deque([root])while dq: level = [] ## 当前 遍历层n = len(dq)for _ in range(n):cur = dq.popleft()level.append(cur.val)# 下一层 存到  双端 队列 后面if cur.left:dq.append(cur.left)if cur.right:dq.append(cur.right)ans.append(level)return ans

在这里插入图片描述

方法二: 深度优先搜索 (DFS) ⟮ O ( n ) ⟯ \lgroup O(n) \rgroup O(n)⟯

参考链接

DFS 做本题的主要问题是: DFS 不是按照层次遍历的。为了让递归的过程中同一层的节点放到同一个列表中,在递归时要记录每个节点的深度。递归到新节点要把该节点 对应深度列表的末尾。

在这里插入图片描述

# 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]]:# 子模块def helper(node, depth):# 记住结点的 深度if not node: return if len(res) == depth:res.append([])res[depth].append(node.val)if node.left: helper(node.left, depth+1)if node.right: helper(node.right, depth+1)# 主模块if not root: return []res = []helper(root, 0)return res 

C++

方法一: 广度优先搜索 (BFS) ⟮ O ( n ) ⟯ \lgroup O(n) \rgroup O(n)⟯

/*** Definition for a binary tree node.* struct TreeNode {*     int val;*     TreeNode *left;*     TreeNode *right;*     TreeNode() : val(0), left(nullptr), right(nullptr) {}*     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}*     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}* };*/
class Solution {
public:vector<vector<int>> levelOrder(TreeNode* root) {vector<vector<int>> res;if (root == nullptr){return res;}queue <TreeNode*> q;q.emplace(root);while (!q.empty()){int n = q.size();res.emplace_back(vector<int> ());// 提前添加 空容器for (int i = 0; i < n; ++i){auto node = q.front(); q.pop();res.back().emplace_back(node->val);if (node->left){q.emplace(node->left);}if (node->right){q.emplace(node->right);}}}return res;}
};

相关文章:

【LeetCode】102. 二叉树的层序遍历

题目链接 文章目录 Python3方法一&#xff1a; 广度优先搜索 (BFS) ⟮ O ( n ) ⟯ \lgroup O(n) \rgroup ⟮O(n)⟯方法二&#xff1a; 深度优先搜索 (DFS) ⟮ O ( n ) ⟯ \lgroup O(n) \rgroup ⟮O(n)⟯ C方法一&#xff1a; 广度优先搜索 (BFS) ⟮ O ( n ) ⟯ \lgroup O(n…...

golang连接池检查连接失败时如何重试

在Go中&#xff0c;可以通过使用database/sql包的DB类型的Ping方法来检查数据库连接的可用性。如果连接检查失败&#xff0c;可以选择进行重试。以下是一个简单的示例代码&#xff0c;演示了如何在连接检查失败时进行重试&#xff1a; import ("database/sql""…...

从JavaScript到Rust的三年时间小结

Rust 是一种注重安全性、速度和并发性的系统编程语言。它能编译成高效的本地代码&#xff0c;无需垃圾回收即可访问内存等底层资源&#xff0c;同时还能防止分隔故障。 作者讨论了他们几年来用 Rust 构建大型应用程序和库的经验。他们发现 Rust 的借用检查器和类型系统有助于减…...

【Python机器学习】零基础掌握VotingRegressor集成学习

如何更准确地预测房价? 想象一下,你是一名房地产分析师,你的任务是预测一个小区的未来房价。这看似简单,但实际上,房价受到多种因素的影响,如地理位置、房屋面积、周围设施等。你可能会使用线性回归模型来进行预测,但是你会发现,尽管模型的准确性还可以,但还是存在一…...

云计算模式的区域LIS系统源码,基于ASP.NET+JQuery、EasyUI+MVC技术架构开发

云计算模式的区域LIS系统源码 云LIS系统源码&#xff0c;自主版权 LIS系统是专为医院检验科的仪器设备能与计算机连接。可通过LIS系统向仪器发送指令&#xff0c;让仪器自动操作和接收仪器数据。并快速的将检验仪器中的数据导入到医生工作站中进行管理&#xff0c;且可将检验结…...

面向对象设计原则之接口隔离原则

目录 定义接口隔离原则与单一职责原则示例 定义 接口隔离原则&#xff0c;全称为 Interface Segregation Principle&#xff0c;缩写ISP。 原始定义&#xff1a;Clients should not be forced to depend upon interfaces that they don’t use。 翻译&#xff1a; 不应该强行…...

haproxy 负载均衡

haproxy负载均衡 haproxy&#xff1a;基于C语言开发的开源软件 支持高性能的tcp和http负载均衡器&#xff0c;工作中用的版本1.5.9 haproxy功能&#xff1a;主要用于高并发的web站点&#xff0c;工作原理和nginx、lvs都一样 haproxy缺点: 单节点部署&#xff0c;单实例运行。代…...

在el-dialog中使用tinymce 点击工具栏下拉框被遮挡

在el-dialog中使用tinymce控件时&#xff0c;会出现点击工具栏下拉框出现在弹窗下一层&#xff0c;审查元素之后发现是tinymce的下拉框z-index优先级低于el-dialog的z-index导致的&#xff0c;所以需要增加tinymce的下拉框的z-index值。 通过审查元素得到&#xff0c;需要修改t…...

CloudQuery + StarRocks:打造高效、安全的数据库管控新模式

随着技术的迅速发展&#xff0c;各种多元化的数据库产品应运而生&#xff0c;它们不仅类型众多&#xff0c;而且形式各异&#xff0c;国产化数据库千余套&#xff0c;开源数据库百余套 OceanBase 、PolarDB 、StarRocks…还有一些像 Oracle、MySQL 这些传统数据库。这些数据库产…...

各类统计模型R语言的详细使用教程-R语言的线性回归使用教程

各类统计模型R语言的详细使用教程-R语言的线性回归使用教程 前言R语言的线性回归代码示例回归诊断误差项正态qq图内学生化残差外学生化残差线性关系异常值的发现、处理帽子矩阵的方法DFFITS 准则Cook统计量COVRATIO准则多重共线性summaryKlein判别法特征根法条件指数法方差膨胀…...

点云从入门到精通技术详解100篇-基于尺度统一的三维激光点云与高清影像配准

目录 前言 研究现状 三维激光点云与影像配准研究现状 点云配准研究现状...

<蓝桥杯软件赛>零基础备赛20周--第2周

报名明年4月蓝桥杯软件赛的同学们&#xff0c;如果你是大一零基础&#xff0c;目前懵懂中&#xff0c;不知该怎么办&#xff0c;可以看看本博客系列&#xff1a;备赛20周合集 20周的完整安排请点击&#xff1a;20周计划 每周发1个博客&#xff0c;共20周&#xff08;读者可以按…...

CMake多文件构建初步

前面学习了cmake&#xff0c;不熟悉&#xff0c;只是记录了操作过程&#xff1b;下面再继续&#xff1b; 略有一点进步&#xff0c;增加一个代码文件&#xff0c;之前是1个代码文件&#xff1b; 如下图&#xff0c;prj是空文件夹&#xff0c; CMakeLists.txt如下&#xff1b;…...

游戏研发的解决方案有哪些?

游戏研发的解决方案可以根据不同的需求和情境而有所不同&#xff0c;以下是一些常见的游戏研发解决方案&#xff1a; 游戏引擎&#xff1a; 游戏引擎是游戏研发的基础&#xff0c;它提供了开发游戏所需的核心功能&#xff0c;如图形渲染、物理引擎、音效管理、动画等。一些流行…...

Bayes决策:身高与体重特征进行性别分类

代码与文件请从这里下载&#xff1a;Auorui/Pattern-recognition-programming: 模式识别编程 (github.com) 简述 分别依照身高、体重数据作为特征&#xff0c;在正态分布假设下利用最大似然法估计分布密度参数&#xff0c;建立最小错误率Bayes分类器&#xff0c;写出得到的决…...

【考研数学】数学“背诵”手册 | 需要记忆且容易遗忘的知识点

文章目录 引言一、高数常见泰勒展开 n n n 阶导数公式多元微分函数连续、可微、连续可偏导之间的关系多元函数极值无条件极值条件极值 三角函数的积分性质华里士公式&#xff08; “点火”公式 &#xff09;特殊性质 原函数与被积函数的奇偶性结论球坐标变换公式 二、写在最后 …...

HJ3 明明的随机数

牛客网&#xff1a;HJ3 明明的随机数 https://www.nowcoder.com/practice/3245215fffb84b7b81285493eae92ff0?tpId37&tqId21226&ru/exam/oj 使用Go语言解题&#xff0c;最简单的方式&#xff1a; 解题一&#xff1a; // 运行时间&#xff1a;5ms 占用内存&#xff1a…...

如何恢复u盘删除文件?2023最新分享四种方法恢复文件

U盘上删除的文件怎么恢复&#xff1f;使用U盘存储文件是非常方便的&#xff0c;例如&#xff1a;在办公的时候&#xff0c;会使用U盘来存储网络上查找到的资料、产品说明等。在学习的时候&#xff0c;会使用U盘来存储教育机构分享的教学视频、重点知识等。而随着U盘存储文件的概…...

8.稳定性专题

1. anr https://code84.com/303466.html 一句话&#xff0c;规定的时间没有干完要干的事&#xff0c;就会发生anrsystem_anr场景 input 5sservice 前台20s 后台60scontentprivider超市 比较少见 原因 主线程耗时 复杂layout iobinder对端block子线程同步锁blockbinder被占满导…...

基于51单片机的四种波形信号发生器仿真设计(仿真+程序源码+设计说明书+讲解视频)

本设计 基于51单片机信号发生器仿真设计 &#xff08;仿真程序源码设计说明书讲解视频&#xff09; 仿真原版本&#xff1a;proteus 7.8 程序编译器&#xff1a;keil 4/keil 5 编程语言&#xff1a;C语言 设计编号&#xff1a;S0015 这里写目录标题 基于51单片机信号发生…...

图文对话AI快速部署:Qwen3-VL-WEBUI Docker实战教程

图文对话AI快速部署&#xff1a;Qwen3-VL-WEBUI Docker实战教程 1. 认识Qwen3-VL-WEBUI 1.1 什么是Qwen3-VL-WEBUI&#xff1f; Qwen3-VL-WEBUI是一个基于Docker的图文对话AI解决方案&#xff0c;它将强大的Qwen3-VL视觉语言模型封装成易于使用的网页界面。通过这个工具&…...

养鸡场规划:如何计算所需农场数量

在养鸡业中&#xff0c;如何高效地管理和规划农场的使用是一个关键问题。最近&#xff0c;我遇到了一位养鸡场主的需求&#xff0c;他需要根据每天的鸡出栏数据来计算所需农场的数量。今天&#xff0c;我们就来探讨如何通过编程解决这个问题。 问题背景 假设你有一个包含以下数…...

一站式图像生成与编辑:Nano Banana 图像生成与编辑 API(包含多个示例和实用技巧)

在电商、时尚内容、网红营销或产品视觉设计领域&#xff0c;你是否曾面临以下挑战&#xff1f; 如何快速为同一肖像尝试多套服装&#xff1f;如何快速生成相同产品在不同场景/风格下的图像&#xff1f;如何将多个来源的材料合成一张“看起来真实”的图像&#xff1f; Ace Dat…...

OpenClaw配置优化:Qwen3-4B模型参数调优实战

OpenClaw配置优化&#xff1a;Qwen3-4B模型参数调优实战 1. 为什么需要调优Qwen3-4B模型参数 去年夏天&#xff0c;当我第一次在OpenClaw中接入Qwen3-4B模型时&#xff0c;发现同样的提示词在不同任务下表现差异巨大。有时它给出的回答过于保守&#xff0c;像在背诵教科书&am…...

芯片行业的高门槛本质上是一次性固定成本极高导致的

AI 工具这波热潮里&#xff0c;芯片圈有个声音&#xff1a;以后一个人能不能做一颗芯片&#xff1f;很多人讨论的时候跑偏了&#xff0c;一直在聊人效、聊 AI 能替代多少工程师。真正的瓶颈根本不在这里。做过项目的人都知道&#xff0c;一个芯片项目的成本结构大概长这样&…...

OpenClaw飞书机器人实战:千问3.5-9B自动回复消息

OpenClaw飞书机器人实战&#xff1a;千问3.5-9B自动回复消息 1. 为什么选择OpenClaw飞书千问3.5-9B组合&#xff1f; 去年底我开始尝试用AI自动化处理团队沟通需求时&#xff0c;发现市面上大多数方案要么需要将数据上传到第三方平台&#xff0c;要么配置复杂得让人望而却步。…...

No data to show!vtune分析程序性能有结果无数据

使用vtune分析程序在保证程序复杂度能被采集数据&#xff0c;但是result页面没有数据显示&#xff0c;只有no data to show, the data is not sufficient.最后找到原因是使用的编译器vs的符号解释器与vtune有冲突&#xff0c;改用vs code成功出数据。为了让vtune成功显示数据用…...

OpenClaw模型微调:优化千问3.5-35B-A3B-FP8在特定任务的表现

OpenClaw模型微调&#xff1a;优化千问3.5-35B-A3B-FP8在特定任务的表现 1. 为什么需要微调千问模型&#xff1f; 当我第一次尝试用OpenClaw自动化处理财务报告时&#xff0c;发现千问3.5-35B-A3B-FP8虽然能理解基本指令&#xff0c;但在处理表格数据提取和金额计算时频繁出错…...

单片机驱动MOS管的原理与实战技巧

1. 单片机直接驱动MOS管的原理与风险MOS管作为现代电子设计中最常用的功率开关器件&#xff0c;其控制方式看似简单却暗藏玄机。作为一名经历过多次"炸管"教训的硬件工程师&#xff0c;我想分享一些关于单片机直接驱动MOS管的实战经验。MOS管分为NMOS和PMOS两种类型&…...

告别复制粘贴:用影刀RPA+飞书多维表格,我把每周的销售数据汇总从2小时缩到5分钟

告别复制粘贴&#xff1a;用影刀RPA飞书多维表格实现销售数据自动化革命 每周五下午&#xff0c;市场部的张经理总要面对同样的噩梦&#xff1a;从七个不同渠道导出销售数据&#xff0c;手动核对格式差异&#xff0c;复制粘贴到汇总表&#xff0c;再计算各类指标。这个重复劳动…...