当前位置: 首页 > news >正文

LeetCode题练习与总结:二叉树的层序遍历Ⅱ--107

一、题目描述

给你二叉树的根节点 root ,返回其节点值 自底向上的层序遍历 。 (即按从叶子节点所在层到根节点所在的层,逐层从左向右遍历)

示例 1:

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

示例 2:

输入:root = [1]
输出:[[1]]

示例 3:

输入:root = []
输出:[]

提示:

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

二、解题思路

 这个问题是关于如何对二叉树进行自底向上的层序遍历。我们可以使用一个队列来进行广度优先搜索(BFS),并使用一个变量来记录当前层的节点值。在遍历每一层的时候,我们使用一个双端队列(Deque)来存储当前层的节点值,这样我们就可以从双端队列的尾部开始遍历,从而实现自底向上的层序遍历。

算法步骤:

  1. 初始化一个空队列queue用于BFS,以及一个空的双端队列deque用于存储当前层的节点值。
  2. 如果root不为空,则将其加入queue
  3. 初始化一个变量level为0,用于标识当前层的奇偶性。
  4. queue不为空时,进行以下操作: a. 获取当前层的节点数量size(即queue的长度)。 b. 遍历当前层的节点,对于每个节点: i. 从queue中移除节点,并将其值加入deque的头部(如果level为偶数)或尾部(如果level为奇数)。 ii. 如果该节点的左子节点不为空,将其加入queue。 iii. 如果该节点的右子节点不为空,将其加入queue。 c. 将deque转换为列表,并加入结果列表result。 d. 将level加1,清空deque
  5. 返回结果列表result

三、具体代码

import java.util.ArrayList;
import java.util.Deque;
import java.util.LinkedList;
import java.util.List;
import java.util.Queue;public class Solution {public List<List<Integer>> levelOrderBottom(TreeNode root) {List<List<Integer>> result = new ArrayList<>();if (root == null) {return result;}Queue<TreeNode> queue = new LinkedList<>();queue.offer(root);int level = 0;while (!queue.isEmpty()) {int size = queue.size();Deque<Integer> deque = new LinkedList<>();for (int i = 0; i < size; i++) {TreeNode node = queue.poll();if (node != null) {deque.offerLast(node.val);queue.offer(node.left);queue.offer(node.right);}}if (!deque.isEmpty()) {result.add(0, new ArrayList<>(deque));}}return result;}
}

四、时间复杂度和空间复杂度

1. 时间复杂度
  • levelOrderBottom 函数会对每个节点进行一次操作,其中 n 是树中节点的数量。
  • 因此,总的时间复杂度是 O(n)。
2. 空间复杂度
  • 空间复杂度主要取决于队列和双端队列中存储的节点数量。
  • 在最坏的情况下,树是完全不平衡的,例如每个节点都只有左子节点或者只有右子节点,此时队列和双端队列中存储的节点数量最多,为 O(n)。
  • 因此,总的空间复杂度是 O(n)。

综上所述,代码的时间复杂度是 O(n),空间复杂度也是 O(n),其中 n 是树中节点的数量。

五、总结知识点

  1. 队列(Queue)的使用:代码中使用了LinkedList类作为Queue的实现,用于在BFS中存储待遍历的节点。队列遵循先进先出(FIFO)的原则。

  2. 递归:虽然代码中没有直接使用递归,但BFS本质上是一种递归的过程,通过循环模拟递归的调用栈。

  3. 双端队列(Deque)的使用:代码中使用了LinkedList类作为Deque的实现,用于在每一层遍历时存储当前层的节点值。双端队列可以同时从两端添加或删除元素。

  4. 迭代与循环:使用while循环来迭代遍历树的每一层,直到队列为空。

  5. 条件语句:使用if-else语句来判断节点是否为空,以及判断队列是否为空。

  6. 数据结构转换:使用ArrayListLinkedList之间的转换,将Deque中的元素转换为一个List,然后添加到结果List中。

  7. 布尔变量的使用:使用布尔变量level来标志当前层的奇偶性,并在每层遍历后取反。

  8. 树节点的定义:代码中使用了TreeNode类来定义二叉树的节点,每个节点包含一个整数值和指向左右子节点的引用。

  9. 函数返回值levelOrderBottom函数返回一个包含多层的List<List<Integer>>,表示二叉树的自底向上的层序遍历结果。

  10. 边界条件的处理:在函数开始时检查root是否为空,如果为空则直接返回一个空列表。

以上就是解决这个问题的详细步骤,希望能够为各位提供启发和帮助。

相关文章:

LeetCode题练习与总结:二叉树的层序遍历Ⅱ--107

一、题目描述 给你二叉树的根节点 root &#xff0c;返回其节点值 自底向上的层序遍历 。 &#xff08;即按从叶子节点所在层到根节点所在的层&#xff0c;逐层从左向右遍历&#xff09; 示例 1&#xff1a; 输入&#xff1a;root [3,9,20,null,null,15,7] 输出&#xff1a;[…...

WIFI国家码设置的影响

记录下工作中关于国家码设置对WIFI的影响&#xff0c;以SKYLAB的SKW99和SDZ202模组为例进行说明。对应到日常&#xff0c;就是我们经常提及手机是“美版”“港版”等&#xff0c;它们的wifi国家码是不同的&#xff0c;各版本在wifi使用中遇到的各种情况与下面所述是吻合的。 现…...

2024年软考高项-信息系统管理师介绍-备考-考试内容-通过攻略

介绍 以下是计算机软件考试的资格设置&#xff0c;本文说的是高级资格中的信息系统项目管理师(简称"高项")&#xff0c;是比较热门和好考的选择&#xff0c;与中级的"系统集成项目管理工程师"有大部分的知识重叠交叉&#xff0c;中级考了"系统集成项…...

Python知识点复习

文章目录 Input & OutputVariables & Data typesPython字符串重复&#xff08;字符串乘法&#xff09;字符串和数字连接在一起print时&#xff0c;要强制类型转换int为str用input()得到的用户输入&#xff0c;是str类型&#xff0c;如果要以int形式计算的话&#xff0c…...

GeoScene产品学习视频收集

1、易智瑞运营的极思课堂https://www.geosceneonline.cn/learn/library 2、历年易智瑞技术公开课视频资料 链接&#xff1a;技术公开课-易智瑞信息技术有限公司&#xff0c;GIS/地理信息系统&#xff0c;空间分析-制图-位置智能-地图 3、一些关于GeoScene系列产品和技术操作的视…...

51单片机的最小系统详解

51单片机的最小系统详解 1. 引言 在嵌入式系统中,51单片机被广泛应用于各种小型控制器和嵌入式开发板中。相信很多人都接触过51单片机,但是对于51单片机的最小系统却了解得不够深入。本文将从振荡电路、电源模块、复位电路、LED指示灯和调试接口五个方面详细介绍51单片机的…...

路径规划搜路算法有哪些?

路径规划搜索算法是帮助移动机器人或自动化系统在环境中从起点导航至终点的计算方法。以下是一些常见的路径规划搜索算法&#xff1a; Dijkstra算法&#xff1a;一种经典的最短路径搜索算法&#xff0c;适用于没有负权边的图。 A*算法&#xff1a;一种启发式搜索算法&#xff…...

Hadoop学习之hdfs的操作

Hadoop学习之hdfs的操作 1.将HDFS中的文件复制到本地 package com.shujia.hdfs;import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import org.junit.After; import org.junit.Before; import org.j…...

DBAPI怎么进行数据格式转换

DBAPI如何进行数据格式的转换 假设现在有个API&#xff0c;根据学生id查询学生信息&#xff0c;访问API查看数据格式如下 {"data":[{"name":"Michale","phone_number":null,"id":77,"age":55}],"msg"…...

Oracle JSON 函数详解与实战

Oracle 数据库提供了丰富的 JSON 函数集&#xff0c;使得开发者可以高效地处理 JSON 数据。本文将详细介绍这些函数&#xff0c;包括它们的语法、使用场景、具体示例&#xff0c;以及在实际项目中的应用。 文章目录 JSON_VALUE语法参数说明示例 JSON_QUERY语法示例 JSON_TABLE语…...

C#面:请解释转发与跳转的区别

在C#中&#xff0c;转发&#xff08;forwarding&#xff09;和跳转&#xff08;jumping&#xff09;是两种不同的控制流程操作。 转发 是指将控制权从一个方法或函数转移到另一个方法或函数。在转发中&#xff0c;程序会将当前的执行状态传递给另一个方法&#xff0c;并在该方…...

Java+IDEA+SpringBoot药物不良反应ADR智能监测系统源码 ADR智能化监测系统源码

JavaIDEASpringBoot药物不良反应ADR智能监测系统源码 ADR智能化监测系统源码 药物不良反应&#xff08;Adverse Drug Reaction&#xff0c;ADR&#xff09;是指在使用合格药品时&#xff0c;在正常的用法和用量下出现的与用药目的无关的有害反应。这些反应往往因药物种类、使用…...

linux系统模拟资源消耗的简单手段

当我们在做系统性能&#xff0c;稳定性&#xff0c;高可用等特殊场景的测试时&#xff0c;往往要对计算机的硬件资源做出比较苛刻的限制&#xff0c;因此需要最简便的办法增加CPU&#xff0c;内存&#xff0c;磁盘&#xff0c;网络等硬件环境的资源压力。下面介绍实现这些操作的…...

吉林大学软件工程简答题整理

1.6种软件过程模型列举&#xff0c;及优缺点&#xff08;每个都从时间、质量、过程、本身特点去考虑&#xff09; 瀑布模型 优点缺点V模型 优点&#xff1a;缺点&#xff1a; 原型模型 优点&#xff1a;演化模型 建增模型 优点缺点螺旋模型 优点缺点喷泉模型 RUP、敏捷工程、…...

爬山算法介绍

目录 1.概述 2.产生 3.定义 4.优缺点 5.应用示例 6.未来展望 7.示例代码 1.概述 爬山算法是一种简单的启发式搜索算法&#xff0c;从起始点开始&#xff0c;每次选择当前位置邻域内的最优解作为下一个位置&#xff0c;直到达到目标点或无法继续前进。爬山算法的基本思想…...

在linux中配置关于GFS创建各种卷以及卷组--配置实验

服务器的相关信息 服务器的相关信息 卷名称 卷类型 空间大小 Brick dis-volume 分布式卷 12 Node1(/e6)、node2(/e6) Stripe-volume 条带卷 10 Node1(/d5)、node2(/d5) Rep-volume 复制卷 5 Node3(/d5)、node4(/d5) Dis-stripe 分布式条带卷 12 Node1(/b3)、node2(/b3)、node(…...

安泰电子:使用高压放大器时有哪些需要注意的呢

随着科技的不断进步&#xff0c;高压放大器在各种科学实验、工程应用和产业生产中扮演着重要的角色。然而&#xff0c;由于高压放大器的特殊性&#xff0c;使用时需要特别小心和谨慎。下面将详细介绍使用高压放大器时需要注意的事项&#xff0c;以确保安全、稳定地进行实验和应…...

为什么大部分新手做抖音小店赚不到钱?

大家好&#xff0c;我是喷火龙。 今天来给大家聊聊&#xff0c;为什么大部分新手做抖店赚不到钱&#xff1f; 不知道大家想过这个问题没有&#xff0c;可能有些人把赚不到钱的原因归结于市场、或者平台、又或者运营技术以及做店经验。 但我觉得这些都不是重点&#xff0c;重…...

跳跃游戏(2)

问题描述 给你一个非负整数数组 nums &#xff0c;你最初位于数组的 第一个下标 。数组中的每个元素代表你在该位置可以跳跃的最大长度。 判断你是否能够到达最后一个下标&#xff0c;如果可以&#xff0c;返回 true &#xff1b;否则&#xff0c;返回 false 。 输入&#xff1…...

11.Redis之zset类型

1.zset类型基本介绍 有序描述的是&#xff1a;升序/降序 Set 集合 1.唯一 2. 无序 孙行者,行者孙, 者行孙 >同一只猴~~ List有序的 孙行者,行者孙, 者行孙 >不同的猴~~ zset 中的 member 仍然要求是唯一的!!(score 则可以重复) 排序的规则是啥? 给 zset 中的 member 同…...

Ostrakon-VL-8B入门必看:Gradio Web UI快速启动与单图分析详解

Ostrakon-VL-8B入门必看&#xff1a;Gradio Web UI快速启动与单图分析详解 如果你正在寻找一个能看懂店铺、厨房、商品图片&#xff0c;并能回答你各种问题的AI助手&#xff0c;那么Ostrakon-VL-8B可能就是你要找的答案。这是一个专门为餐饮服务和零售商店场景优化的多模态视觉…...

如何快速下载网页视频:猫抓(cat-catch)浏览器扩展完全指南

如何快速下载网页视频&#xff1a;猫抓(cat-catch)浏览器扩展完全指南 【免费下载链接】cat-catch 猫抓 浏览器资源嗅探扩展 / cat-catch Browser Resource Sniffing Extension 项目地址: https://gitcode.com/GitHub_Trending/ca/cat-catch 猫抓(cat-catch)是一款功能强…...

【Matlab Simulink】从Excel到2-D Lookup Table:数据导入与模型搭建实战

1. 为什么需要将Excel数据导入2-D Lookup Table 在工程建模和仿真过程中&#xff0c;我们经常会遇到需要处理二维表格数据的情况。比如在汽车发动机建模时&#xff0c;发动机的扭矩特性通常以转速和油门开度为输入&#xff0c;输出扭矩值的二维表格形式存在。这类数据通常保存在…...

vokoscreenNG完全指南:开源屏幕录制工具的全方位应用手册

vokoscreenNG完全指南&#xff1a;开源屏幕录制工具的全方位应用手册 【免费下载链接】vokoscreenNG vokoscreenNG is a powerful screencast creator in many languages to record the screen, an area or a window (Linux only). Recording of audio from multiple sources i…...

构建高效云点播系统(一):开源组件选型、安全防护与性能优化

1. 开源组件选型&#xff1a;从零搭建云点播系统的基石 第一次接触云点播系统时&#xff0c;我被各种开源组件的选择搞得晕头转向。经过几个项目的实战&#xff0c;我发现选对开源组件就像搭积木&#xff0c;基础打好了&#xff0c;后面的事情就水到渠成。这里分享几个我踩过坑…...

HunyuanVideo-Foley效果展示:钢琴独奏音效+琴房光影视频生成高清集锦

HunyuanVideo-Foley效果展示&#xff1a;钢琴独奏音效琴房光影视频生成高清集锦 1. 惊艳视听效果预览 HunyuanVideo-Foley模型在音乐场景的表现令人惊叹。当输入"钢琴独奏音乐会"这一简单描述时&#xff0c;模型能够同时生成高清视频和匹配的钢琴音效&#xff0c;创…...

2026全球AI产业发展全景:模型竞争、多模态应用与生态格局深度解析

2026年,人工智能产业进入技术落地与生态扩张并行的深化阶段,从基础模型迭代到行业场景渗透,均呈现出高度成熟的发展态势。对于个人用户与企业开发者而言,高效整合全球AI能力已成为提升效率的关键。https://n.kulaai.cn 作为一站式AI模型与工具聚合平台,汇集了ChatGPT、Cla…...

释放桌游设计潜能:CardEditor如何重构卡牌创作流程

释放桌游设计潜能&#xff1a;CardEditor如何重构卡牌创作流程 【免费下载链接】CardEditor 一款专为桌游设计师开发的批处理数值填入卡牌生成器/A card batch generator specially developed for board game designers 项目地址: https://gitcode.com/gh_mirrors/ca/CardEdi…...

阿姆智创15.6寸触摸工控一体机,工业智造终端解决方案,源头工厂ODM定制赋能自动化升级

在工业自动化与智能制造深度融合的当下&#xff0c;稳定可靠、适配性强、可定制化的工控终端&#xff0c;已成为SMT产线、MES/ESOP系统等场景高效运行的关键支撑。阿姆智创15.6寸触摸工控一体机&#xff0c;以硬核工业性能、丰富系统接口、灵活ODM定制服务&#xff0c;打造一站…...

最强30B模型GLM-4.7-Flash实测:Ollama一键部署,小白也能玩转AI

最强30B模型GLM-4.7-Flash实测&#xff1a;Ollama一键部署&#xff0c;小白也能玩转AI 1. GLM-4.7-Flash模型概述 1.1 模型特点与优势 GLM-4.7-Flash是当前30B参数级别中最具竞争力的混合专家模型&#xff08;MoE&#xff09;。这个规模特别适合需要平衡性能与资源消耗的实际…...