看二叉树-就这个专栏就够了

1. 获取这棵树的右子树 2. 获取这棵树的左子树 3. 获取这棵树的右子树作为左子树 4. 获取这棵树的左子树作为右子树 5. 根节点不变。

1. 创建一个新二叉树merged，值为两颗树的根节点 2. merged的左子树为递归两棵树的左子树之和 3.merged的右子树为递归两棵树的右子树之和 4.不用考虑都为空的情况，如果都为空

二叉搜索树具有以下性质：每个节点中的值必须大于（或等于）其左侧子树中的任何值，但小于（或等于）其右侧子树中的任何值。 题解：对半分，左边为左子树（递归），右边为右子树，

1.root 节点为空 返回 0。 2.root 节点的值大于high，例如[3,7] 由于二叉搜索树右子树上所有节点的值均大于根节点的值，即均大于 high，故无需考虑右子树，返回左子树的范围

之前说二叉树的前序遍历时用的栈，同样，在这里也用栈，思路也完全一样。 栈是先进后出。 前序遍历时根、左、右 很明显，先把根怼进栈，有左节点就入栈，直接没有左节点。 因为先进后出，最后加入的节点

假如删除5，根节点，很明显，左子树不用动 1. 找到右边最小的数值的右节点数字6 2. 删除这个节点，删除就是root.right.right向下走一步就行了 那么重新定义一棵树TreeNode

二叉搜索树具有以下性质：每个节点中的值必须大于（或等于）其左侧子树中的任何值，但小于（或等于）其右侧子树中的任何值。 1. 根据根节点区分左子树或者右子树。 2. 如果在左子树，找到判断左子树是

else if (root.val > val) { // 根节点值大于目标值，所以选择左子树 return searchBST(root.left, val);

二叉搜索树具有以下性质：每个节点中的值必须大于（或等于）其左侧子树中的任何值，但小于（或等于）其右侧子树中的任何值。

关键点 ： 可以先序遍历这颗二叉树，遇到空子树的时候序列化成 **逗号**，否则继续递归序列化。那么我们如何反序列化呢？首先我们需要根据 , 把原先的序列分割开来得到先序遍历的元素列

关键点 ： 1. 递归出口 2. 去该节点的左子树上找 3. 去该节点的右子树上找 4. 左右均有，说明该节点即为最近公共祖

**后序遍历 确定根节点** **中序遍历 确定左右节点**, 在中序遍历中找到根节点，左边就是左子树，右边就是右子树 然后递归在左子树继续找到根，和左子树的左子

比较简单，就是通过递归自顶向下的找到一棵树，用目标值sum减去左子树和右子树，看是否等于空， 因为等于空代表这颗树的左节点或者右节点就是最后的子节点。

因为需要对称，我们入口放入两颗一模一样的树p,q，如果同一棵树p,q的根节点相同，p树的左节点不为空并且q的右节点不为空 && q树的左节点不为空并且p的右节点不为空 或者左右节点

如果我们知道了左子树和右子树的最大深度 l 和 r，那么该二叉树的最大深度即为 max(l,r)+1 而左子树和右子树的最大深度又可以以同样的方式进行计算。因此我们可以用「深度优先搜索」的方法来

层序遍历，顾名思义，就是一层一层遍历，从上到下，从左到右。 这个时候，我们想一想用栈能实现吗？ 因为栈是先进后出的，但是我们要求是层序遍历，很明显是先进先出 那么就会使用到队列这个数据结构，因为

首先我们需要了解什么是二叉树的后序遍历：按照访问**左子树——右子树——根节点**的方式遍历这棵树，而在访问左子树或者右子树的时候，我们按照同样的方式遍历，直到遍历完整棵树。因此整个遍历过程天然具有递

😄 $\color{red}{~}$ 那就干吧！ 这个专栏都是刷的题目都是关于二叉树的,我会由浅入深、循序渐进，刷题就是这样需要连续不断的记忆--艾宾浩斯记忆法2121112。二叉树的内容不多，但是都

😄 $\color{red}{~}$ 那就干吧！ 这个专栏都是刷的题目都是关于二叉树的,我会由浅入深、循序渐进，刷题就是这样需要连续不断的记忆--艾宾浩斯记忆法2121112。二叉树的内容不多，但是都