数据结构中的数组

数组的增删改查

数组中增删查改较简单，不做赘述。

使用泛型

让我们的数据结构可以放置“任何”数据类型。
不可以是基本数据类型，只能是类对象（以Java为例）
基本数据类型：boolean,byte,char,short,int,long,float,double
每个基本数据类型都有对应的包装类。
包装类：Boolean,Byte,Char,Short,Int,Long,Float,Double

public class Array<Element> { //Element是Array一种数据类型名字，自定义
    private Element[] data;//创建Element数据类型的一个data数组
    // 构造函数，传入数组的容量capacity构造Array
    public Array(int capacity){
        data = (Element[])new Object[capacity];//指定new 一个Element类型的数组，并传入容量
    }

//
 public static void main(String[] args) {
     Array<Integer> arr = new Array<>(20);// 使用Array类，申明一个整型的arr对象
     Array<Student> arr1 = new Array<>(); //使用Array类，申明一个Student的arr1对象，其中student是一个类
})

动态数组

// 将数组空间的容量变成newCapacity大小
    private void resize(int newCapacity){
        Element[] newData = (Element[])new Object[newCapacity];//重新new一个ELement类型的数组
        for(int i = 0 ; i < size ; i ++)
            newData[i] = data[i];//将data中值赋值给新数组
        data = newData;//再重新赋值给data数组
    }

简单的复杂度分析

我们常见一些时间复杂度表示O（n）、O（n^2）、O（lgn）…等等
简单的说O表示的是算法的运行时间和输入数据之间的关系。
eg:

public static int sum (int[] nums){
		int sum =0;
		for (int num:nums)sum+=num;
			return sum ;
} 
//O(n)是时间复杂度，n是nums中元素的个数，算法和n呈线性关系

为什么要用O，叫做O（n）??,忽略常数，实际时间T=c1*n+c2

1、T=2*n+2        O(n)
2、T=2000*n+10000 O(n)
3、T=1*n*n+0      O(n^2)

性能的好坏算法的选择取决于数据的多少。并不代表3永远比2好，或者2比3好。取决于n的数据趋势。

均摊复杂度和防止复杂度的震荡

resize O(n)
假设当前capacity =8,并且每一次添加操作都向数组尾部添加一个元素，当数组容量达到8时，执行resize函数进行扩容并向数组中添加一个元素
即 8+8+1
9次添加操作，出发resize,总共进行了17次基本操作。
平均，每次添加操作，进行了2次基本操作。
同理：假设capacity =n，n+1次添加操作，触发resize,总共进行了2n+1次基本操作
平均，每次添加操作，进行2次基本操作。这样均摊计算下来，时间复杂度是O（1）的！！
在这个例子中，这样均摊计算，比计算最坏情况有意义。这就是均摊复杂度！！

同理，我们执行在尾部移除一个元素，时间复杂度也是这样。但当我们同时执行添加和删除操作，他们会频繁重复执行O(n)。所以我们应该当移除时判断不会频繁执行移除操作。

if(size == data.length / 4 && data.length / 2 != 0)
            resize(data.length / 2);