Python二叉树剪枝：两种实现差异及关键赋值语句解析

首先明确剪枝目标：移除所有值为0且没有子节点的节点。我们来拆解两个版本的核心差异，以及那两行赋值的作用。

第一个版本的正确逻辑 #

这个版本的递归是自上而下+自下而上的完整流程：

1. 先递归处理左、右子树，把处理后的子树根节点重新赋值给当前节点的left和right。
2. 再判断当前节点是否符合剪枝条件（值为0且左右子节点都为空），符合则返回None（表示当前节点要被剪掉），否则返回当前节点。

这里的root.left = self.pruneTree(root.left)和root.right = self.pruneTree(root.right)是核心，它们做了两件关键事：

• 更新当前节点的子指针：递归处理子树后，返回的是剪枝后的子树（可能是None），把这个结果赋值给当前节点的子指针，相当于把剪掉的子节点从当前节点的引用中彻底移除。
• 传递剪枝结果给上层：当前节点处理完后，返回的结果会被上层节点的left或right接收，从而层层向上更新整个树的结构，确保所有无效节点都被彻底清理。

举个实际例子：如果当前节点的左子节点是一个值为0的叶子节点，递归处理左子树时会返回None，赋值给root.left后，当前节点的左指针就变成了None，后续判断当前节点的条件时就能正确识别左右子节点的状态。

第二个版本的错误原因 #

这个版本的问题出在没有更新子指针，且局部赋值无效：

1. 只调用了self.pruneTree(root.left)但没有赋值，意味着递归处理完左子树后，当前节点的left指针依然指向原来的子节点。哪怕子节点被递归逻辑标记为None，当前节点的引用没更新，后续判断root.left is None时依然是False，无法正确触发剪枝条件。
2. 当判断当前节点要剪枝时，root = None只是修改了函数内部的局部变量root，不会影响上层父节点的子指针。上层节点依然指向原来的这个节点，导致该节点根本没被从树中移除。

比如：父节点A的左子节点是B（值0的叶子节点），第二个版本处理B时，虽然在函数里把B设为None，但A的left还是指向原来的B节点，所以A的左子节点依然存在，剪枝完全没生效。

总结 #

root.left = self.pruneTree(root.left)和root.right = self.pruneTree(root.right)的关键在于：
它们是递归过程中连接上下层树结构的桥梁，既让当前节点能拿到剪枝后的子树状态，也让上层节点能接收当前节点的剪枝结果，最终实现整个树的无效节点彻底移除。

内容的提问来源于stack exchange，提问作者Yuva Sri