数据结构

数据结构

数据结构就是一种计算机存储的方式，比如说磁盘，磁盘是用链式存储的，这样可以节省内存空间。可以看到两两数据之间是存在关系的，他们可以通过这些关系来提高资源和存储效率。

• 数据：是描述客观事物的符号，是计算机中可以操作的对象，是能被计算机识别，并输入给计算机处理的符号的集合。
• 数据元素：是组成数据的、有一定意义的基本单位。
• 数据对象：是性质相同的数据元素的集合，是数据的子集。
• 抽象数据类型：一个数学模型以及定义在此模型上的一组操作。数据对象、数据关系和基本操作组成。

定义：数据结构是相互之间存在一种或多种特定关系的数据元素的集合。

1. 线性结构

线性结构就是数据元素之间存在着“一对一”的线性关系的数据结构，它是一种有序数据的集合，比如说一维数组，数组块中的数据元素只取决于从左往右或者从右往左的行因素，而不是像二维和多维数组受行和列及更多因素影响，这就是一对一的关系。线性结构，除了第一个和最后一个数据元素之外，其它数据元素都是首尾相接的。
常用的线性结构有：线性表(List)，栈(Stack)，队列(Queue)，串(String)。

2.非线性结构

相对于线性结构，非线性结构有一个最明显的区别就是：各个数据元素不再保持在一个线性序列中，每个数据元素可能与零个或者多个其他数据元素发生联系。这就是所谓的一对多或者多对一，总之不是一对一。同时也会根据关系的不同，可分为层次结构和群结构。
常见的非线性结构有：二维数组，多维数组，广义表，树，图。

------>>常用数据结构实现

八大数据结构

常用的数据结构有：数组，链表，栈，队列，树，图，堆，散列表等

1、数组

数组是可以在内存中连续存储多个元素的结构，在内存中的分配也是连续的，数组中的元素通过数组下标进行访问，数组下标从0开始。

优点：
1、按照索引查询元素速度快
2、按照索引遍历数组方便

缺点：
1、数组的大小固定后无法扩容
2、数组只能存储一种类型的数据
3、添加，删除的操作慢，因为要移动其他的元素。

适用场景：
频繁查询，对存储空间要求不大，很少增加和删除的情况。

2、链表

链表是物理存储单元上非连续的、非顺序的存储结构，数据元素的逻辑顺序是通过链表的指针地址实现，每个元素包含两个结点，一个是存储元素的数据域，另一个是指向下一个结点地址的指针域。根据指针的指向，链表能形成不同的结构，例如单链表，双向链表，循环链表等。

链表的优点：
1、链表是很常用的一种数据结构，不需要初始化容量，可以任意加减元素；
2、添加或者删除元素时只需要改变前后两个元素结点的指针域指向地址即可，所以添加，删除很快；

缺点：
1、因为含有大量的指针域，占用空间较大；
2、查找元素需要遍历链表来查找，非常耗时。

适用场景：
数据量较小，需要频繁增加，删除操作的场景

3、栈

栈是一种特殊的线性表，仅能在线性表的一端操作，栈顶允许操作，栈底不允许操作。 栈的特点是：先进后出，或者说是后进先出，从栈顶放入元素的操作叫入栈，取出元素叫出栈。

4、队列

队列与栈一样，也是一种线性表，不同的是，队列可以在一端添加元素，在另一端取出元素，也就是：先进先出。从一端放入元素的操作称为入队，取出元素为出队。

5、树

树是由n个有限节点组成一个具有层次关系的集合。它具有以下的特点：

每个节点有零个或多个子节点；
没有父节点的节点称为根节点；
每一个非根节点有且只有一个父节点；
除了根节点外，每个子节点可以分为多个不相交的子树；

二叉树

1、每个结点最多有两颗子树，结点的度最大为2。
2、左子树和右子树是有顺序的，次序不能颠倒。
3、即使某结点只有一个子树，也要区分左右子树。

二叉树是一种比较有用的折中方案，它添加，删除元素都很快，并且在查找方面也有很多的算法优化，所以，二叉树既有链表的好处，也有数组的好处，是两者的优化方案，在处理大批量的动态数据方面非常有用。

---

• 满二叉树（Full Binary Tree）：树中除了叶子节点，每个节点都有两个子节点，叶子结点只能在最下层。
• 完全二叉树（Complete Binary Tree）：叶子结点可以出现在最后两层，最后一层的叶子节点均需在最左边连续位置， 倒数第二层的叶子结点都在最右边连续位置，若结点度为1则只有左孩子。
• 完美二叉树（Perfect Binary Tree）：满足完全二叉树性质，树的叶子节点均在最后一层。（完全三角形）
• 二叉搜索树：对于树中任何节点，如果其左子节点不为空，那么该节点的值永远 >= 其左子节点；如果其右子节点不为空，那么该节点的值永远 <= 其右子节点
• 平衡二叉树（AVL树）：当且仅当任何节点的两棵子树的高度差不大于1的二叉树。(平衡因子是二叉树所在节点左右子树高度之差)
• 红黑树（RBTree）：一种自平衡的二叉查找树。
• 平衡多路查找树（B树）

6、散列表

散列表，也叫哈希表，是根据关键码和值 (key和value) 直接进行访问的数据结构，通过key和value来映射到集合中的一个位置，这样就可以很快找到集合中的对应元素。

哈希表是基于数组衍生的数据结构。

7、堆

堆是一种比较特殊的数据结构，可以被看做一棵树的数组对象，具有以下的性质：

堆中某个节点的值总是不大于或不小于其父节点的值；

堆总是一棵完全二叉树。

将根节点最大的堆叫大根堆，根节点最小的堆叫小根堆。（python中只有小根堆）

根元素为最小值的二叉堆：

• 插入节点时间复杂度为O(log n)
• 删除节点时间复杂度为O(log n) （ O(1)+调整堆的O(lg n) )
• 查询最小元素的复杂度是O(1)
• 合并两个堆的复杂度是($O(n_{1}log{n}_2)或O(n_1+n_2)$)
• 建堆O(n)

8、图

图是由结点的有穷集合V和边的集合E组成。在图结构中常常将结点称为顶点，边是顶点的有序偶对，若两个顶点之间存在一条边，就表示这两个顶点具有相邻关系。

按照顶点指向的方向可分为无向图和有向图。

邻接矩阵

图的邻接矩阵的存储方式是用两个数组来实现的，一个一维数组存储顶点信息，一个二维数组存储边（无向图）或弧（有向图）的信息。

• 无向图的邻接矩阵为对称矩阵(对角线全为0)，各顶点的度为邻接矩阵中对应行的元素之和。

• 有向图的各顶点的度为出度加上入度之和。出度为对应顶点所在行的所有元素之和，入度为对应顶点所在列的所有元素之和。

连通

（1）在无向图中，如果顶点Vi到顶点Vj有路径，则称顶点Vi和Vj连通。

（2）在有向图中，如果顶点Vi到顶点Vj有路径，则称顶点Vi和Vj强连通。

（3）若无向图中任意两个顶点都连通，则称此图为连通图。

（4）若有向图中任何一对顶点都强连通，则称此图为强连通图。

（5）无向图中的极大连通子图称为连通分量。

（6）有向图中的极大强连通子图称为强连通分量。

• 极小连通子图是连通图中边数最少的子图。
• 强连通图必须从任何一点出发都可以回到原处，每个节点至少要一条出路(单节点除外)至少有n条边，至多n(n-1) 条边。

拓扑序列

有向无环图将入度为0的节点逐次放入序列（同时去掉该节点及出度边）的排序。