算法与数据结构（四）数组

概念

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。
而线性表（Linear List）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。除了数组之外，链表、队列、栈等也是线性表结构。
与它相对立的概念是非线性表，比如二叉树、堆、图等。之所以叫非线性，是因为在非线性表中，数据之间并不是简单的前后关系。

随机访问原理

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。当计算机需要随机访问数组中的某个元素时，它会首先通过下面的寻址公式，计算出该元素存储的内存地址： a[i]_address = base_address + i * data_type_size，其中data_type_size 表示数组中每个元素的大小。

注意：
数组是适合查找操作，但是查找的时间复杂度并不为 O(1)，即使是排序好的数组，进行二分查找，时间复杂度也是O($logn$)。正确的表述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)。

数据操作

数组为了保持内存数据的连续性，会导致插入、删除这两个操作比较低效。

插入操作

插入操作中，假设数组的长度为 n，如果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，需要将第 k～n 这部分的元素都顺序地往后挪一位。

插入到数组中的位置不同，会导致针对同一段代码，时间复杂度有量级的差距。所以需要使用到最好、最坏、平均复杂度分析方法。

1. 插入的位置位于数组的最后一位：不需要移动任何元素，最好时间复杂度为O(1)。
2. 插入的位置位于数组的第一位，需要移动n个元素，最坏时间复杂度为O(n)。
3. 因为插入到数组中的任一位置的可能性都是一样的，有n个位置，所以插入到每一个位置的概率都是$1/n$。 插入到数组的第一个位置需要移动 n个元素，插入到数组的第二个位置需要移动 n-1 个元素…插入到数组中的最后一个位置，需要移动1个元素。$(n+n-1+n-2+...+1)/n=(n+1)/2=O(n)$ 。所以，数组插入操作的平均时间复杂度为O(n)。

当然，这是对于需要保证数组中数据有序的情况，如果数组中存储的数据并没有任何规律的话，这样将某个数据插入到第 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。利用这种处理技巧，在特定场景下，在第 k 个位置插入一个元素的时间复杂度就会降为 O(1)。

删除操作

与插入操作类似，在需要保证数据连续有序的情况下，如果删除数组末尾的数据，则最好情况时间复杂度为 O(1)；如果删除数组开头的数据，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)。

容器类

针对数组类型，很多语言都提供了容器类，比如Java 中的 ArrayList、Vector。在项目开发中，什么时候适合用数组，什么时候适合用容器呢？

Java中的容器有ArrayList、Vector。C++中的容器有STL。然而这些容器的底层都是数组。只不过对于Java中的容器而言，Vector是线程安全的，但是效率太低。 ArrayList是非线程安全的，效率高；Vector是java早期版本使用的容器。 而ArrayList则是java近期版本使用的容器，ArrayList的出现就是为了取代Vector的。

ArrayList 最大的优势就是可以将很多数组操作的细节封装起来。比如前面提到的数组插入、删除数据时需要搬移其他数据等。另外，它还有一个优势，就是支持动态扩容，我们并不需要关心底层的扩容逻辑，当存储空间不够时，ArrayList会自动扩容一半的空间。

注意：
jdk8中Arraylist默认初始化大小10，当存满后，ArrayList会将内存扩大为原来的1.5倍，事先指定数据大小可以省掉很多次内存申请和数据搬移操作，这是一个写代码时可以优化的点。

虽然ArrayList有很多有点，但也不是没有需要用数组的情况。

1. ArrayList是无法存储基本数据类型数据的，比如int，ArrayList只能存储包装类Integer，而自动装箱拆箱也是有一定的性能损耗的，如果特别关注性能，或者希望使用基本类型，就可以选用数组。
2. 如果数据大小事先已知，且对数据的操作非常简单，也可以直接使用数组。
3. 在需要使用多维数组时，用数组可能会更直观些。

Autobocing：jdk1.5之后引入的，自动装箱，可以将int在需要一个integer对象的时候，自动转换成integer。 Unboxing：自动拆箱，将integer自动转为int。（Double[double]，float[float]，character[char]…等等都有）

注意：
使用数组还是封装好的容器，应该根据工作的内容以及应用的场景来定。在业务开发时，用容器就够了。但是如果要将性能的优化做到极致，还是要数组。而底层开发时，就要少用容器，优化性能。

补充

下标从0开始的原因：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，a[k]就表示偏移 k 个 type_size 的位置，所以计算 a[k]的内存地址只需要用这个公式：a[i]_address = base_address + i * data_type_size；而如果从1开始计数，计算数组元素 a[k]的内存地址就会变为：a[k]_address = base_address + (k-1)*type_size。

对比两个公式，可见从 1 开始编号，每次随机访问数组元素都多了一次减法运算，对于 CPU 来说，就是多了一次减法指令。因此下标从0开始可以更大的优化效率。

总结

数组用一块连续的内存空间，来存储相同类型的一组数据，最大的特点就是支持随机访问，但插入、删除操作也因此变得比较低效，平均情况时间复杂度为 O(n)。在平时业务开发中，我们可以直接使用编程语言提供的容器类，但是，如果是特别底层的开发，比如框架的开发等，直接使用数组可能会更合适。