1. 二叉树专题训练核心要点解析
作为算法训练营第16天的重点内容，二叉树专题4标志着我们进入了树形数据结构的中阶阶段。这个阶段不再停留在基础遍历操作，而是开始处理更具挑战性的结构性问题。根据代码随想录的体系设计，本专题主要聚焦三个核心方向：对称性判断、深度计算和路径处理。
1.1 对称二叉树判定原理
对称二叉树的判断是面试高频考点，其本质是检查树的镜像对称性。关键在于理解"对称"的准确定义——不是简单的左右子树相同，而是左子树的左孩子对应右子树的右孩子，形成镜面反射关系。
递归解法需要同时处理两个节点：
python复制def isSymmetric(root):
def compare(left, right):
if not left and not right: return True
if not left or not right: return False
return left.val == right.val and \
compare(left.left, right.right) and \
compare(left.right, right.left)
return compare(root.left, root.right) if root else True
迭代法则适合使用队列实现：
python复制from collections import deque
def isSymmetric(root):
if not root: return True
queue = deque([(root.left, root.right)])
while queue:
left, right = queue.popleft()
if not left and not right: continue
if not left or not right: return False
if left.val != right.val: return False
queue.append((left.left, right.right))
queue.append((left.right, right.left))
return True
注意：空树属于对称的特殊情况，需要单独处理。在面试中，建议先明确边界条件再写核心逻辑。
1.2 树的最大最小深度计算
深度计算看似简单，实则隐藏陷阱。最大深度是根节点到最远叶子节点的路径长度，而最小深度是到最近叶子节点的长度。关键区别在于对"叶子节点"的定义——必须是没有子节点的节点。
最大深度的递归解法：
python复制def maxDepth(root):
if not root: return 0
return 1 + max(maxDepth(root.left), maxDepth(root.right))
最小深度需要特别注意单边子树的情况：
python复制def minDepth(root):
if not root: return 0
if not root.left: return 1 + minDepth(root.right)
if not root.right: return 1 + minDepth(root.left)
return 1 + min(minDepth(root.left), minDepth(root.right))
层序遍历的迭代方案更直观：
python复制from collections import deque
def minDepth(root):
if not root: return 0
queue = deque([(root, 1)])
while queue:
node, depth = queue.popleft()
if not node.left and not node.right:
return depth
if node.left: queue.append((node.left, depth + 1))
if node.right: queue.append((node.right, depth + 1))
2. 二叉树路径问题实战
路径问题是二叉树应用的典型场景，涉及回溯思想的运用。本专题重点训练两种路径处理：全路径收集和特定路径判断。
2.1 二叉树所有路径收集
LeetCode 257题要求返回所有根到叶子的路径。这类问题需要维护当前路径状态，并在到达叶子节点时记录结果。关键点在于理解递归过程中的路径回溯。
python复制def binaryTreePaths(root):
def dfs(node, path):
if not node: return
path += str(node.val)
if not node.left and not node.right:
res.append(path)
return
path += "->"
dfs(node.left, path)
dfs(node.right, path)
res = []
dfs(root, "")
return res
优化版本使用列表避免字符串拼接开销：
python复制def binaryTreePaths(root):
def dfs(node, path):
if not node: return
path.append(str(node.val))
if not node.left and not node.right:
res.append("->".join(path))
dfs(node.left, path)
dfs(node.right, path)
path.pop()
res = []
dfs(root, [])
return res
2.2 路径总和判断
LeetCode 112题要求判断是否存在路径和等于目标值。解题时需要特别注意：路径必须从根到叶子完整，中间部分和不符合要求。
递归解法：
python复制def hasPathSum(root, target):
if not root: return False
if not root.left and not root.right:
return root.val == target
return hasPathSum(root.left, target - root.val) or \
hasPathSum(root.right, target - root.val)
迭代解法使用栈模拟递归：
python复制def hasPathSum(root, target):
if not root: return False
stack = [(root, target - root.val)]
while stack:
node, curr_sum = stack.pop()
if not node.left and not node.right and curr_sum == 0:
return True
if node.right:
stack.append((node.right, curr_sum - node.right.val))
if node.left:
stack.append((node.left, curr_sum - node.left.val))
return False
3. 平衡二叉树与完全二叉树判定
3.1 平衡二叉树验证
平衡二叉树（AVL树）的判定需要计算每个节点的左右子树高度差。采用后序遍历可以避免重复计算，时间复杂度优化到O(n)。
python复制def isBalanced(root):
def check(node):
if not node: return 0
left = check(node.left)
right = check(node.right)
if left == -1 or right == -1 or abs(left - right) > 1:
return -1
return 1 + max(left, right)
return check(root) != -1
3.2 完全二叉树节点计数
完全二叉树的特性使得我们可以利用其结构特点进行优化计算。对于满二叉树，节点数为2^h - 1，而完全二叉树可以递归分解为满二叉树部分和非满部分。
python复制def countNodes(root):
if not root: return 0
left_height = right_height = 0
left = right = root
while left:
left_height += 1
left = left.left
while right:
right_height += 1
right = right.right
if left_height == right_height:
return (1 << left_height) - 1
return 1 + countNodes(root.left) + countNodes(root.right)
这种方法的时间复杂度为O(logN * logN)，远优于普通二叉树的O(N)解法。
4. 二叉树专题训练建议
4.1 训练方法优化
- 分阶段练习：先掌握递归解法，再实现迭代版本
- 可视化调试：绘制二叉树结构辅助理解遍历过程
- 对比学习：对称与相同、深度与高度等易混概念对比记忆
- 模板整理：总结前序、中序、后序的统一迭代写法
4.2 常见错误排查
- 指针未判空：访问节点属性前必须检查节点是否存在
- 路径未回溯：列表记录的路径在递归返回时需要弹出当前节点
- 终止条件不全：遗漏了空节点的处理或叶子节点的特殊判断
- 变量作用域混淆：递归函数内修改全局变量需特别小心
4.3 进阶学习路线
完成本专题后，建议按以下顺序继续深入：
- 二叉搜索树特性及应用（验证、搜索、插入、删除）
- 二叉树构造问题（前序+中序构建树）
- 二叉树序列化与反序列化
- 树形DP问题（如打家劫舍III）
二叉树作为非线性数据结构的代表，其思维方式与线性结构有本质区别。建议在每道题目完成后，用思维导图整理相关变种和解法，形成系统的知识网络。对于递归理解有困难的同学，可以从简单的斐波那契数列问题重新体会递归的思维模式。