解题思路： ​

树的遍历方式总体分为两类：

• 深度优先搜索（DFS）： 先序遍历、中序遍历、后序遍历；
• 广度优先搜索（BFS）： 层序遍历；

求树的深度需要遍历树的所有节点，本文将介绍基于 后序遍历（DFS） 和 层序遍历（BFS） 的两种解法。

方法一：后序遍历（DFS） ​

树的后序遍历 / 深度优先搜索往往利用 递归 或 栈 实现，本文使用递归实现。

关键点： 此树的深度和其左（右）子树的深度之间的关系。显然，此树的深度 等于 左子树的深度 与 右子树的深度 中的 最大值 $+1$ 。

算法解析： ​

1. 终止条件： 当 root​ 为空，说明已越过叶节点，因此返回 深度 $0$ 。
2. 递推工作： 本质上是对树做后序遍历。
   1. 计算节点 root​ 的 左子树的深度 ，即调用 calculateDepth(root.left)；
   2. 计算节点 root​ 的 右子树的深度 ，即调用 calculateDepth(root.right)；
3. 返回值： 返回 此树的深度 ，即 max(calculateDepth(root.left), calculateDepth(root.right)) + 1。

<,,,,,,,,,>

代码： ​

class Solution:
    def calculateDepth(self, root: TreeNode) -> int:
        if not root: return 0
        return max(self.calculateDepth(root.left), self.calculateDepth(root.right)) + 1

class Solution {
    public int calculateDepth(TreeNode root) {
        if(root == null) return 0;
        return Math.max(calculateDepth(root.left), calculateDepth(root.right)) + 1;
    }
}

class Solution {
public:
    int calculateDepth(TreeNode* root) {
        if(root == nullptr) return 0;
        return max(calculateDepth(root->left), calculateDepth(root->right)) + 1;
    }
};

复杂度分析： ​

• 时间复杂度 $O(N)$ ： $N$ 为树的节点数量，计算树的深度需要遍历所有节点。
• 空间复杂度 $O(N)$ ： 最差情况下（当树退化为链表时），递归深度可达到 $N$ 。

方法二：层序遍历（BFS） ​

树的层序遍历 / 广度优先搜索往往利用 队列 实现。

关键点： 每遍历一层，则计数器 $+1$ ，直到遍历完成，则可得到树的深度。

算法解析： ​

1. 特例处理： 当 root​ 为空，直接返回 深度 $0$ 。
2. 初始化： 队列 queue （加入根节点 root ），计数器 res = 0。
3. 循环遍历： 当 queue 为空时跳出。
   1. 初始化一个空列表 tmp ，用于临时存储下一层节点；
   2. 遍历队列： 遍历 queue 中的各节点 node ，并将其左子节点和右子节点加入 tmp；
   3. 更新队列： 执行 queue = tmp ，将下一层节点赋值给 queue；
   4. 统计层数： 执行 res += 1 ，代表层数加 $1$；
4. 返回值： 返回 res 即可。

<,,,,,>

代码： ​

class Solution:
    def calculateDepth(self, root: TreeNode) -> int:
        if not root: return 0
        queue, res = [root], 0
        while queue:
            tmp = []
            for node in queue:
                if node.left: tmp.append(node.left)
                if node.right: tmp.append(node.right)
            queue = tmp
            res += 1
        return res

class Solution {
    public int calculateDepth(TreeNode root) {
        if(root == null) return 0;
        List<TreeNode> queue = new LinkedList<>() {{ add(root); }}, tmp;
        int res = 0;
        while(!queue.isEmpty()) {
            tmp = new LinkedList<>();
            for(TreeNode node : queue) {
                if(node.left != null) tmp.add(node.left);
                if(node.right != null) tmp.add(node.right);
            }
            queue = tmp;
            res++;
        }
        return res;
    }
}

class Solution {
public:
    int calculateDepth(TreeNode* root) {
        if(root == nullptr) return 0;
        vector<TreeNode*> que;
        que.push_back(root);
        int res = 0;
        while(!que.empty()) {
            vector<TreeNode*> tmp;
            for(TreeNode* node : que) {
                if(node->left != nullptr) tmp.push_back(node->left);
                if(node->right != nullptr) tmp.push_back(node->right);
            }
            que = tmp;
            res++;
        }
        return res;
    }
};

复杂度分析： ​

• 时间复杂度 $O(N)$ ： $N$ 为树的节点数量，计算树的深度需要遍历所有节点。
• 空间复杂度 $O(N)$ ： 最差情况下（当树平衡时），队列 queue 同时存储 $N/2$ 个节点。