一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第9天，点击查看活动详情。
大家好呀，我是在第 18 层的帅蛋。
我在之前说过，二叉树遍历的实现历来是面试的高频问题。
这里提到的二叉树遍历一般就是：前序遍历、中序遍历、后序遍历和层次遍历。
关于二叉树的前中后序遍历有两种实现方式：递归和非递归。我在前面两篇文章已经做了介绍：
没看过的同学可以看一下。
今天呢，就来讲剩下的层次遍历。
层次遍历就是表面意思，一层层的遍历，同一层的遍历按照从左到右逐个遍历。
像上面这个二叉树，它的层次遍历顺序为：ABCDEFGHIJ。
关于二叉树层次遍历，同样也是有递归和非递归两种实现方式，但是层次遍历因为它的遍历属性，和之前的前中后序遍历还是有些不同的。
下面我用一道 LeetCode 的题来给大家具体讲解二叉树层次遍历的递归和非递归方法。
二叉树的层次遍历
LeetCode 102：二叉树的层次遍历
给你一个二叉树，请你返回其按层次遍历得到的节点值。
示例
递归版
解析
二叉树层次遍历使用递归法，说实话有点反层次遍历的初衷。
人家层次遍历就是要一层一层的遍历，而我们都知道递归是一种解决到底然后再去解决其它问题的特点，也就是深度，就像下面这样：
既然准备使用递归，那就寄出递归二步曲：
(1) 找出重复的子问题。
层次遍历是每一层的节点从左到右的遍历，所以在遍历的时候我们可以先遍历左子树，再遍历右子树。
可能换成下面这样更清楚点：
遍历的顺序是：3 -> 9 -> 3 -> 20 -> 15 -> 20 -> 7。
需要注意的是，在遍历左子树或者右子树的时候，涉及到向上或者向下遍历，为了让递归的过程中的同一层的节点放在同一个列表中，在递归时要记录深度 depth。
同时，每次遍历到一个新的 depth，结果数组中没有对应的 depth 的列表时，在结果数组中创建一个新的列表保存该 depth 的节点。
# 若当前行对应的列表不存在，加一个空列表
if len(res) < depth:
res.append([])
复制代码(2) 确定终止条件。
对于二叉树的遍历来说，想终止，即没东西遍历了，没东西遍历自然就停下来了。
即最下面一层的左右节点都为空了。
if root == None:
return []
复制代码还是那句话，最重要的两点确定完了，那代码也就出来了。
二叉树层次遍历递归版，由于每个节点都被遍历到，所以时间复杂度为 O(n) 。
此外在递归过程中调用了额外的栈空间，维护了一个 res 的结果数组，所以空间复杂度为 O(n) 。
代码实现
Python 代码实现
# 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 level(self, root: TreeNode, depth, res):
if root == None:
return []
# 若当前行对应的列表不存在，加一个空列表
if len(res) < depth:
res.append([])
# 将当前节点的值加入当前行的 res 中
res[depth - 1].append(root.val)
# 递归处理左子树
if root.left:
self.level(root.left, depth + 1, res)
# 递归处理右子树
if root.right:
self.level(root.right, depth + 1, res)
def levelOrder(self, root: TreeNode) -> List[List[int]]:
res = []
self.level(root, 1, res)
return res
复制代码Java 代码实现
class Solution {
void level(TreeNode root, int index, List<List<Integer>> res) {
if(res.size() < index) {
res.add(new ArrayList<Integer>());
}
res.get(index-1).add(root.val);
if(root.left != null) {
level(root.left, index+1, res);
}
if(root.right != null) {
level(root.right, index+1, res);
}
}
public List<List<Integer>> levelOrder(TreeNode root) {
if(root == null) {
return new ArrayList<List<Integer>>();
}
List<List<Integer>> res = new ArrayList<List<Integer>>();
level(root, 1, res);
return res;
}
}
复制代码非递归版（迭代）
解析
非递归版的层次遍历和之前讲的非递归版的前中后序遍历，还是不同的。
非递归版的前中后续遍历，是将递归中用的栈光明正大的模拟出来。
而非递归版的层次遍历我们用的则是队列，这是由于层次遍历的属性非常契合队列的特点。
队列是一种先进先出（First in First Out）的数据结构，简称 FIFO。
如果不太了解队列的，可以看下面这篇文章：
思路很简单：
使用队列保存每一层的所有节点，把队列里的所有节点出队列，然后把这些出去节点各自的子节点入队列。
以此来完成对每层的遍历。
# 存储当前层的孩子节点列表
childNodes = []
for node in queue:
# 若节点存在左孩子，入队
if node.left:
childNodes.append(node.left)
# 若节点存在右孩子，入队
if node.right:
childNodes.append(node.right)
# 更新队列为下一层的节点，继续遍历
queue = childNodes
复制代码二叉树的层次遍历非递归版，每个节点进出队列各一次，所以时间复杂度为 O(n) 。
此外，额外维护了一个队列和一个结果数组，所以空间复杂度为 O(n) 。
代码实现
Python 代码实现
# 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: TreeNode) -> List[List[int]]:
if root == None:
return []
res = []
queue = [root]
while queue:
res.append([node.val for node in queue])
# 存储当前层的孩子节点列表
childNodes = []
for node in queue:
# 若节点存在左孩子，入队
if node.left:
childNodes.append(node.left)
# 若节点存在右孩子，入队
if node.right:
childNodes.append(node.right)
# 更新队列为下一层的节点，继续遍历
queue = childNodes
return res
复制代码Java 代码实现
class Solution {
public List<List<Integer>> levelOrder(TreeNode root) {
List<List<Integer>> res = new ArrayList<List<Integer>>();
if (root == null) {
return res;
}
Queue<TreeNode> queue = new LinkedList<TreeNode>();
queue.offer(root);
while (!queue.isEmpty()) {
List<Integer> curlevel = new ArrayList<Integer>();
int curlevelLen = queue.size();
for (int i = 1; i <= curlevelLen; ++i) {
TreeNode node = queue.poll();
curlevel.add(node.val);
if (node.left != null) {
queue.offer(node.left);
}
if (node.right != null) {
queue.offer(node.right);
}
}
res.add(curlevel);
}
return res;
}
}
复制代码到这，二叉树的层次遍历（递归 + 非递归） 就讲完啦，大家学废了嘛？
至此，二叉树的四种遍历我都已经完整的介绍了，希望大家能够认真的看完，认真的给我点赞呀。
我是帅蛋，我们下次见~