1519. 子树中标签相同的节点数
大约 3 分钟
--- 

1519. 子树中标签相同的节点数
- 标签:树、深度优先搜索、广度优先搜索、哈希表、计数
- 难度:中等
题目链接
题目大意
描述:给定一棵 个节点的树(编号 ),根节点为 。每个节点有一个小写字母标签 。给定无向边 。
要求:返回一个数组 ,其中 表示节点 的子树中与 相同标签的节点数(包括节点 自身)。
说明:
- 。
- 。
示例:
- 示例 1:

输入:n = 7, edges = [[0,1],[0,2],[1,4],[1,5],[2,3],[2,6]], labels = "abaedcd"
输出:[2,1,1,1,1,1,1]
解释:节点 0 的标签为 'a' ,以 'a' 为根节点的子树中,节点 2 的标签也是 'a' ,因此答案为 2 。注意树中的每个节点都是这棵子树的一部分。
节点 1 的标签为 'b' ,节点 1 的子树包含节点 1、4 和 5,但是节点 4、5 的标签与节点 1 不同,故而答案为 1(即,该节点本身)。- 示例 2:

输入:n = 4, edges = [[0,1],[1,2],[0,3]], labels = "bbbb"
输出:[4,2,1,1]
解释:节点 2 的子树中只有节点 2 ,所以答案为 1 。
节点 3 的子树中只有节点 3 ,所以答案为 1 。
节点 1 的子树中包含节点 1 和 2 ,标签都是 'b' ,因此答案为 2 。
节点 0 的子树中包含节点 0、1、2 和 3,标签都是 'b',因此答案为 4 。解题思路
思路 1:DFS + 计数
1. 核心思想
从根节点 开始 DFS,后序遍历。对每个节点,递归统计子树中每个字母出现的次数,然后返回并累加到父节点。
具体地, 返回一个长度为 的数组 ,表示 子树中每个字母的出现次数。
2. 具体步骤
第 1 步:建无向图(邻接表)。
第 2 步:从根节点 开始 DFS,使用 防止走回父节点。
第 3 步:对每个节点:
- 初始化 数组全 。
- 遍历所有邻居(排除父节点),递归得到子节点的计数,逐字母累加。
- (节点自身)。
- 。
第 4 步:返回 。
3. 举例说明
以 为例:
0(a)
/ \
1(b) 2(a)
/ \ / \
4(e)5(d) 3(d)6(c)- 节点 :'e',子树中自身计数 。
- 节点 :'d',子树中自身计数 。
- 节点 :'b',子树中 'b':1, 'e':1, 'd':1,。
- 节点 :'d',子树中自身计数 。
- 节点 :'c',子树中自身计数 。
- 节点 :'a',子树中 'a':1, 'd':1, 'c':1,。
- 节点 :'a',子树中 'a':2(自身 节点 中的 'a'),'b':1, 'e':1, 'd':2, 'c':1,。
思路 1:代码
class Solution:
def countSubTrees(self, n: int, edges: List[List[int]], labels: str) -> List[int]:
graph = [[] for _ in range(n)]
for u, v in edges:
graph[u].append(v)
graph[v].append(u)
ans = [0] * n
visited = [False] * n
def dfs(u):
visited[u] = True
cnt = [0] * 26
for v in graph[u]:
if not visited[v]:
child_cnt = dfs(v)
for i in range(26):
cnt[i] += child_cnt[i]
idx = ord(labels[u]) - 97
cnt[idx] += 1
ans[u] = cnt[idx]
return cnt
dfs(0)
return ans思路 1:复杂度分析
- 时间复杂度:。
- 空间复杂度:,递归栈和计数数组。