java中常见数据结构

gpfazxl

已于 2023-04-20 15:09:43 修改

阅读量4.4k

点赞数 6

分类专栏： java常见数据结构与源码文章标签： java 数据结构链表

于 2023-04-18 23:26:43 首次发布

本文链接：https://blog.csdn.net/gengpengfeiazxl/article/details/130215561

版权

java常见数据结构与源码专栏收录该内容

1 篇文章 0 订阅

订阅专栏

在这里插入图片描述

1. 线性数据结构

线性表: 线性表就是数据排成像一条线的结构。每个线性表上的数据最多只有前和后两个方向。
线性表结构：数组、链表、队列、栈

数据结构演示地址: 数据结构可视化

1.1 数组

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。

// 动态初始化：初始化时由程序员只指定数组长度，由系统为数组元素分配初始值
char c1[] = new char[5];
// 静态初始化： 初始化时由程序员显示置顶每个数组的初始值，由系统决定数组长度
char c2[] = new char[]{'A','B','C','D','E'};
char c3[] = {'A','B','C','D','E'};

具有如下的特点：

内存地址连续
检索效率高(可以通过下标访问成员)
增删操作效率低(保证数据越界的问题,需动态扩容)

在这里插入图片描述

1.2 队列

队列（queue）是只允许在一端进行插入操作，而在另一端进行删除操作的线性表。
队列中数据的特点：先进先出，后进后出。

队列的操作：类似一个排队机制。允许插入的一端称为队尾，允许删除的一端称为队头。我们可以将其想象成一个链表，队头就是这个链表中的第一个节点，队尾就是这个链表中的最后一个节点，然而我们只能对这个链表进行尾插、头删操作。
在这里插入图片描述

Java代码测试实现

    public static void main(String[] args) {
        Queue<Integer> queue = new LinkedList<>();
        queue.offer(1);//尾插
        queue.offer(2);
        queue.offer(3);
        queue.offer(4);
        System.out.println(queue);
        System.out.println(queue.peek());//访问队列头元素
        System.out.println(queue);
        System.out.println(queue.poll());//删除队列头元素
        System.out.println(queue);
    }

输出结果：

[1, 2, 3, 4]
1
[1, 2, 3, 4]
1
[2, 3, 4]

1.3 链表

链表是线性数据结构
内存地址不连续
每个节点里存储了下个节点的指针

1.3.1 单向链表

单向链表(单链表)是链表的一种，它由节点组成，每个节点都包含下一个节点的指针，下图就是一个单链表，表头为空，表头的后继节点是"节点10"(数据为10的节点)，“节点10"的后继节点是"节点20”(数据为10的节点)

在这里插入图片描述

然后我们来看下删除链表的操作，比如删除30这个节点

在这里插入图片描述

在上面的结构基础上我们再来添加一个节点到链表中

在这里插入图片描述

1.3.2 双向链表

双向链表(双链表)是链表的一种。和单链表一样，双链表也是由节点组成，它的每个数据节点中都有两个指针，分别指向直接后继和直接前驱。所以，从双向链表中的任意一个节点开始，都可以很方便地访问它的前驱节点和后继节点。一般我们都构造双向循环链表。

双链表的示意图如下：

在这里插入图片描述

双向链表的具体实现可以参考:

    static final class Node {
       // 前一个节点
        volatile Node prev;
        // 后一个节点
        volatile Node next;
		// 链表节点存储的具体数据
        volatile Thread thread;
    }

我们看看双向链表删除节点的操作，比如说下面这个单链表中我们要删除"节点30"。

删除之前：“节点20"的后继节点为"节点30”，“节点30” 的前继节点为"节点20"。“节点30"的后继节点为"节点40”，“节点40” 的前继节点为"节点30"。

删除之后：“节点20"的后继节点为"节点40”，“节点40” 的前继节点为"节点20"。在这里插入图片描述

我们再来看看双向链表添加节点的操作，比如说下面这个双向链表在"节点20"与"节点40"之间添加"节点30"

添加之前：“节点20"的后继节点为"节点40”，“节点40” 的前继节点为"节点20"。

添加之后：“节点20"的后继节点为"节点30”，“节点30” 的前继节点为"节点20"。“节点30"的后继节点为"节点40”，“节点40” 的前继节点为"节点30"。

在这里插入图片描述

1.4 栈

栈(stack)是限定仅在表尾进行插入或者删除的线性表。对于栈来说，表尾端称为栈顶（top），表头端称为栈低（bottom）。不含元素的空表称为空栈。因为栈限定在表尾进行插入或者删除，所以栈又被称为后进先出的线性表（简称LIFO:Last in, First out.结构）。

在这里插入图片描述

2. 非线性数据结构

非线性表:与线性表对立，在非线性表之中，数据之间并不是简单的前后关系。
非线性表结构：二叉树、堆、图等。

2.1 树

树[Tree]是n（n>=0)个节点的有限集。n=0时称为空树。在任意一颗非空树中：

有且仅有一个特定的称为根[Root]的节点；
当n>1时，其余节点可分为m(m>0)个互不相交的有限集T1、T2、…、Tn，其中每一个集合本身又是一棵树，并且称为根的子树。

此外，树的定义还需要强调以下两点：

根节点是唯一的，不可能存在多个根节点，数据结构中的树只能有一个根节点。
子树的个数没有限制，但它们一定是互不相交的。

如图，是一棵普通树

在这里插入图片描述

度数：节点拥有的子节点的数目称为节点的度。

在这里插入图片描述

节点关系：

孩子节点
双亲节点
兄弟节点

节点层次：

从根开始定义起，根为第一层，根的孩子为第二层，以此类推。

在这里插入图片描述

树的深度：树中节点的最大层次，如上图深度为4

2.2 二叉树

2.2.1 概念介绍

二叉树 ：每个节点最多有两个子节点的树就是二叉树(即二叉树中不存在度大于2的节点)。二叉树的子树有左右之分，其次序不能任意颠倒。

在这里插入图片描述

二叉查找树也称为有序二叉查找树,满足二叉查找树的一般性质,是指一棵空树具有如下性质：

任意节点左子树不为空,则左子树的值均小于根节点的值
任意节点右子树不为空,则右子树的值均大于于根节点的值
任意节点的左右子树也分别是二叉查找树
没有键值相等的节点

二叉树又分为：

完美二叉树
完全二叉树
完满二叉树

完美二叉树》》完全二叉树》》完满二叉树

完美二叉树：又称为 满二叉树 ，除了叶子节点之外的每一个节点都有两个孩子节点，每层都被完全填充
在这里插入图片描述

完全二叉树:除了最后一层之外的其他每一层都被完全填充，并且所有的节点都保持向左对齐
在这里插入图片描述

完满二叉树：除了叶子节点之外的每一个节点都有两个孩子节点。
在这里插入图片描述

2.2.2 遍历操作

二叉树中的遍历规则有如下三种：

中序遍历：所谓的中序遍历就是先访问左节点，再访问根节点，最后访问右节点，即左-根-右遍历

先序/前序遍历：所谓的前序遍历就是先访问根节点，再访问左节点，最后访问右节点，即根-左-右遍历

后序遍历：所谓的后序遍历就是先访问左节点，再访问右节点，最后访问根节点。即左-右-根遍历在这里插入图片描述

查找最小值：沿着根节点的左子树一路查找，直到最后一个不为空的节点，该节点就是当前这个树的最小节点

查找最大值：沿着根节点的右子树一路查找，直到最后一个不为空的节点，该节点就是当前这个树的最大节点

查找前驱节点 ：小于当前节点的最大值

查找后继节点 ：大于当前节点的最小值

在这里插入图片描述

2.2.3 删除节点

二叉树中的删除节点：本质上是找前驱节点或者后继节点来替代

叶子节点直接删除
只有一个子节点的用子节点替代(本质上就是找的前驱节点或者后继节点，左节点就是前驱节点，右节点就是后继节点)
有两个子节点的，需要找到替代节点(替代节点就是前驱节点或者后继节点)

2.2.4 查找局限性

一个二叉查找树是由n个节点随机构成,所以，对于某些情况,二叉查找树会退化成一个有n个节点的线性链.如下图:

2.2.5 AVL

BST存在的问题是，树在插入的时候会导致倾斜，不同的插入顺序会导致数的高度不一样，而树的高度直接影响了树的查找效率。最坏的情况所有的节点都在一条斜线上，这样树的高度为N。基于BST存在的问题，平衡查找二叉树（Balanced BST）产生了。平衡树的插入和删除的时候，会通过旋转操作将高度保持在LogN。其中两款具有代表性的平衡术分别为AVL树（高度平衡树，具备二叉搜索树的全部特性，而且左右子树高度差不超过1）和红黑树。

AVL树是如何实现平衡的呢？，具体是通过左旋或者右旋来实现的。具体如下图：