面试突击-数组

简介

数组（Array）是一种线性表数据结构。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

内存结构

int[] data = new int[3];
在栈内存中开辟内存空间存入变量data,堆内存中开辟连续的3块空间存入默认的0,0,0 。
因为int的默认值是0,将data指向这块连续的内存。

data[0] = 10;
data[0] = 20;
将连续内存的第一块赋值10，第二块内存赋值20

int[] temp = data;
在栈内存中开辟内存空间存入变量temp,并且指向data变量所指向的堆内存。

temp[0] = 100;将指向的堆内存中的第一块内存改变成100,此时 data[0]的值也会变成100，
因为此时2个变量指向的是同一块连续的内存地址。

为什么大多数语言的数组索引下标是从0开始而不是1

data[index] 按照下标index查找data数组中该位置的元素，相当于是从数组的首地址偏移index个内存块

data[index]_address = 首地址 + index * 数组元素大小
如果索引下标从1开始，因为第一个元素就是首地址，data[index]_address = 首地址 + (index-1) * 数组元素大小=首地址
如果索引下标从0开始，因为第一个元素就是首地址，data[index]_address = 首地址 + index * 数组元素大小=首地址
所以下标从0开始，使得cpu减少了一次index-1的减法运算，提高运算性能。
以此带来的问题是，比如数组有3个元素，那么第二个元素是访问data[2],所以访问data[3] 会报错。
当然少部分语言数组下标是从1开始，而且python语言还支持数组下标为负值。

数组查询的效率问题

数组适合查找，这句话其实是不严谨的，数组是适合查找操作，但是查找的时间复杂度并不为 O(1)。
即便是排好序的数组，你用二分查找，时间复杂度也是 O(logn)。
所以，正确的表述应该是，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)。

数组的插入

假设数组的长度为 n，现在，如果我们需要将一个数据插入到数组中的第 k 个位置。
为了把第 k 个位置腾出来，给新来的数据，我们需要将第 k～n 这部分的元素都顺序地往后挪一位

如果在数组的末尾插入元素，那就不需要移动数据了，这时的时间复杂度为 O(1)。
但如果在数组的开头插入元素，那所有的数据都需要依次往后移动一位，所以最坏时间复杂度是 O(n)。 
因为我们在每个位置插入元素的概率是一样的，所以平均情况时间复杂度为 (1+2+…n)/n=O(n)。

如果数组中的数据是有序的，我们在某个位置插入一个新的元素时，就必须按照刚才的方法搬移 k 之后的数据。
但是，如果数组中存储的数据并没有任何规律，数组只是被当作一个存储数据的集合。
在这种情况下，如果要将某个数组插入到第 k 个位置，为了避免大规模的数据搬移，我们还有一个简单的办法就是，
直接将第 k 位的数据搬移到数组元素的最后，把新的元素直接放入第 k 个位置。

数组的删除

跟插入数据类似，如果我们要删除第 k 个位置的数据，为了内存的连续性，也需要搬移数据，不然中间就会出现空洞，内存就不连续了。

和插入类似，如果删除数组末尾的数据，则最好情况时间复杂度为 O(1)；
如果删除开头的数据，则最坏情况时间复杂度为 O(n)；平均情况时间复杂度也为 O(n)。

实际上，在某些特殊场景下，我们并不一定非得追求数组中数据的连续性。
我们可以先记录下已经删除的数据。每次的删除操作并不是真正地搬移数据，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，我们再触发执行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，可以参考jvm垃圾回收中的标记清除算法