数据结构与算法之美-03数组

数组：数组是一组线性表数据结构。它用一组连续的内存空间，来存储一组具有相同类型的数据。

线性表与非线性表

线性表：线性表就是数据排成像一条线一样的结构。每个线性表上的数据最多只有前和后两个方向。除了数组，链表、队列、栈等也是线性表结构。

与线性表队里的概念是非线性表，比如二叉树、堆、图等。之所以叫非线性，是因为，在非线性表中，数据之间并不时间的前后关系。

连续的内存空间和相同类型的数据

正是因为有这两个限制，它才有了一个堪称“杀手锏”的特性：“随机访问”。

为了保持数据的连续性，数组的操作比如删除、插入操作都需要做大量的数据搬移工作。

根据下标随机访问数组元素

我们拿一个长度为10的数组来举例。let a = new Array(10).fill(' ')。如图，计算机给数组a[10]，分配了一块连续内存空间 1000~1039，其中，内存块的首地址为 base_address = 1000。

计算机会给每个内存单元分配一个地址，计算机通过地址来访问内存中的数据。

// 计算机随机访问数据中的某个元素，首先通过寻址公式，计算出该元素存储的内存地址
a[i]_address = base_adress + i * data_type_size

在例中data_type_size就为4个字节。

数组查找的时间复杂度为O(logn)，数组支持随机访问，根据下标随机访问的时间复杂度为O(1)

低效的“插入”和“删除”操作

1.插入元素

最好时间复杂度：数组末尾插入元素，这时时间复杂度为O(1)

最坏时间复杂度：开头插入元素，那么所有元素都要向后移动一位，时间复杂度为O(n)

平均情况时间复杂度为O(n)

如果数组是无序的，为了避免大规模数据搬移，可以将插入位置的原来的数据直接放到最后，利用这种技巧，在特定位置下，在某个位置插入元素的时间复杂度可以降为O(1)。

2.删除元素

最好时间复杂度：数组末尾删除元素，这时时间复杂度为O(1)

最坏时间复杂度：开头删除元素，那么所有元素都要向前移动一位，时间复杂度为O(n)

平均情况时间复杂度为O(n)

如果不追求连续性，将多次删除操作集中在一起执行。删除的效率将会提高很多。先记录下已经删除的数据。每次删除操作并不是真正的搬移数据，只是记录数据已经被删除。当数组没有更多空间存储数据时，再触发一次真正的删除操作，这样就大大减少了删除操作导致的数据搬移。

为什么大多数编程语言中，数组要从0开始编号，而不是从1开始呢？

从数组存储的内存模型上来看，“下标”最确切的定义应该是“偏移（offset）”。如果用a来表示数组的首地址，a[0]就是偏移为0的位置，也就是首地址。那么问题来了，如果数组的首地址从1开始，那么再访问数组中元素时，寻址公式就会变为

a[k]_address = base_address + (k-1) * base_adress

数组作为基础的数据结构，效率优化要尽可能做到极致，所以为了减少一次减法操作，数组选择了从 0 开始编号，而不是从1开始。