岛屿数量既可以用深度优先搜索也可以用广度优先搜索解决，本文给出两种方法的代码实现。
示例：
图1 岛屿数量输入输出示意图
方法一：广度优先搜索(bfs)
代码：
class Solution:
def numIslands(self, grid):
if not grid:
return 0
rows, cols = len(grid), len(grid[0])
visit = set()
islands = 0
def bfs(r, c):
que = deque()
que.append((r, c))
visit.add((r, c))
while que:
row, col = que.popleft()
directions = [[1, 0], [-1, 0], [0, 1], [0, -1]]
for dr, dc in directions:
r, c = row + dr, col + dc
if r in range(rows) and c in range(cols) and grid[r][c] == "1" and (r, c) not in visit:
que.append((r, c))
visit.add((r, c))
for r in range(rows):
for c in range(cols):
if grid[r][c] == "1" and (r, c) not in visit:
bfs(r, c)
islands += 1
return islands解释：
1）visit记录所有已经遍历的位置集合，如果该位置值为1且还未遍历到，则对该位置进行bfs，并增加一块岛屿数量。bfs中设置了一个队列que用于记录需要遍历的节点，directions为每个节点需要遍历的四个方向，分别对应右、左、上、下。对每个位置进行判断，如果该位置未越界、值为1且未被遍历到，则将该结点加入即将需要遍历的节点队列中，并将其放入已经遍历的节点集合中。
方法二：深度优先搜索(dfs)
代码：
class Solution:
def numIslands(self, grid):
if not grid:
return 0
rows, cols = len(grid), len(grid[0])
islands = 0
def dfs(r, c):
if r not in range(rows) or c not in range(cols) or grid[r][c] == "0":
return
grid[r][c] = "0"
dfs(r + 1, c)
dfs(r - 1, c)
dfs(r, c + 1)
dfs(r, c - 1)
for r in range(rows):
for c in range(cols):
if grid[r][c] == "1":
dfs(r, c)
islands += 1
return islands解释：
1）深度优先搜索相较于广度优先搜索，选择将遍历过的节点的值置为“0”以免重复遍历，同时dfs采用递归方法来实现对四个位置上节点的判断。