绝对值函数：abs()
算法：
高度和深度的区别：
节点的高度：节点到叶子节点的距离（从下往上）
节点的深度：节点到根节点的距离（从上往下）
逻辑：一个平衡二叉树的每个节点的左右子树都是平衡二叉树
调试过程：
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, val=0, left=None, right=None):
# self.val = val
# self.left = left
# self.right = right
class Solution:
def isBalanced(self, root: Optional[TreeNode]) -> bool:
if self.getheight(root) == 0:
return True
else:
return False
def getheight(self, node) -> int:
if node == None:
return 0
leftheight = self.getheight(node.left)
rightheight = self.getheight(node.right)
#左子树若有不平衡的，就返回-1
if leftheight == -1:
return -1
#右子树若有不平衡的，就返回-1
if rightheight == -1:
return -1
if abs(leftheight-rightheight)>1:
return -1
else:
return 0
原因：问题出在return 0上面，改成return 1 + max(leftheight, rightheight)就好了
`return 0`的含义是将节点的高度设置为0，这是不正确的。
正确的做法是使用`return 1 + max(leftheight, rightheight)`来计算节点的高度。这里的`max(leftheight, rightheight)`表示选择左子树和右子树中较大的高度作为当前节点的高度，然后再加上1，表示当前节点的高度。
通过这种方式，我们可以确保节点的高度正确地传递到父节点，并在比较节点的高度差时得到正确的结果。如果节点的左子树和右子树高度差超过1，那么在递归过程中会返回-1，最终导致`isBalanced`函数返回False。
正确代码：
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, val=0, left=None, right=None):
# self.val = val
# self.left = left
# self.right = right
class Solution:
def isBalanced(self, root: Optional[TreeNode]) -> bool:
if self.getheight(root) != -1:
return True
else:
return False
def getheight(self, node) -> int:
if node == None:
return 0
leftheight = self.getheight(node.left)
rightheight = self.getheight(node.right)
#左子树若有不平衡的，就返回-1
if leftheight == -1:
return -1
#右子树若有不平衡的，就返回-1
if rightheight == -1:
return -1
if abs(leftheight-rightheight)>1:
return -1
else:
return 1 + max(leftheight, rightheight)
时间空间复杂度：
时间复杂度：
- `isBalanced`函数中，我们调用了`getheight`函数来计算每个节点的高度。在最坏情况下，需要遍历二叉树的所有节点，因此时间复杂度为O(n)，其中n是二叉树中的节点数。
- `getheight`函数是一个递归函数，它会遍历二叉树的所有节点。对于每个节点，我们需要递归地计算其左子树和右子树的高度，因此总的时间复杂度也是O(n)。
- 综上所述，整个算法的时间复杂度为O(n)。
空间复杂度：
- 在`getheight`函数中，递归调用会产生函数调用栈。在最坏情况下，二叉树是一个完全不平衡的树，即链表形式，此时递归的深度为n，因此空间复杂度为O(n)。
- 综上所述，整个算法的空间复杂度为O(n)。
