数据结构——python 001 绪论

绪论

什么是数据结构

数据是描述客观事物的数值、字符以及所有能输入计算机中并被计算机程序处理的符号的集合。

数据元素是数据的基本单位

数据对象是性质相同的有限个数据元素的集合，它是数据的一个子集（例如，A班中的每个学生记录都是一个数据元素）。在默认情况下，数据结构中的数据指的都是数据对象。

数据项是具有独立含义的数据最小单位，也成为成员或域（例如，A班中每个数据元素即学生记录是由学号、姓名、性别和班号等数据项组成）

数据结构是指所涉及的数据元素的集合以及数据元素之间的关系，由数据元素之间的关系构成结构，因此可以把数据结构看成带结构的数据元素之间的集合。
$$数据结构=数据对象+结构$$

• 数据逻辑结构：由数据元素之间的逻辑关系构成，是数据结构在用户面前呈现的形式。
• 数据存储结构：指数据元素及其关系在计算机存储器中的存储方式，也称为数据的物理结构。
• 数据运算：指施加在数据上的操作。

数据的逻辑结构（面向用户）

逻辑结构的表示

数据的逻辑结构是面向用户的，它反映数据元素之间的逻辑关系而不是物理关系，是独立于计算机的。

可以采用表格、图等用户容易理解的形式表示。

为了更通用地表述数据的逻辑结构，通常采用二元组表示数据的逻辑结构，一个二元组如下
$$B=(D,R)$$
B是一种逻辑数据结构，D是数据元素的集合，在D上数据元素之间可能存在多种关系，R是所有关系的集合。即：

D={d_i | 0≤i≤n-1，n≥0}
R={r_j | 1≤j≤m，m≥0}

• R中的某个关系r_j（1≤j≤m）是序偶的集合。
• 对于rj中的任一序偶<x，y>（x，y∈D），把x叫做序偶的第一元素，把y叫做序偶的第二元素，又称序偶的第一元素为第二元素的前驱元素，称第二元素为第一元素的后继元素。如在<x，y>的序偶中，x为y的前驱元素，而y为x的后继元素。
• 若某个元素没有前驱元素，则称该元素为开始元素；若某个元素没有后继元素，则称该元素为终端元素。
• 对于对称序偶，即满足这样的条件：若<x，y>∈r（r∈R），则<y，x>∈r（x，y∈D），可用圆括号代替尖括号，即(x，y)∈r。

逻辑结构的类型

集合：结构中数据元素之间除了“同属于一个集合”的关系外，没有其他关系，与数学中的集合概念相同。

线性结构：若结构是非空的，则有且只有一个开始元素和终端元素，并且所有元素最多只有一个前驱元素和一个后继元素。

树形结构：若结构是非空的，则有且仅有一个元素为开始元素（也成为根结点），可以有多个终端元素，每个元素有零个或多个后继元素，除开始元素外每个元素有且仅有一个前驱元素。

图形结构：若结构是非空的，则每个元素可以有多个前驱元素和多个后继元素。

数据的存储结构（面向程序员）

存储实现的基本目标：①数据元素的存储 ②数据元素之间关系的存储

逻辑结构是存储结构的本质，设计数据的存储结构称为从逻辑结构到存储器的映射。

顺序存储结构

1.所有元素存放在一片地址连续的存储单元中。

2.逻辑上相邻的元素在物理位置上也是相邻的，所以不需要额外空间表示元素之间的逻辑关系。

链式存储结构

1.把数据元素存放在任意的存储单元中，这组存储单元可以是连续的，也可以是不连续的。

2.通过指针域来反映数据元素的逻辑关系。

4种常用的存储结构类型：1.顺序存储结构 2.链式存储结构 3.索引存储结构 4.哈希（散列）存储结构

算法及其描述

算法是对特定问题求解步骤的一种描述，它是指令的有限序列。

五个重要特性

有穷性：指算法在执行有限的步骤之后自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成。

确定性：对于每种情况下执行的操作，在算法中都有确定的含义，不会出现二义性。并且在任何条件下，算法都只有一条执行路径。

可行性：算法的每条指令都是可执行的，即便人借助纸和笔都可以完成。

输入性：算法有零个或多个输入。大多数算法中输入参数是必要的，但对于较简单的算法，如计算1+2的值，不需要任何输入参数，因此算法的输入可以是零个。

输出性：算法至少有一个或多个输出。算法用于某种数据处理，如果没有输出，这样的算法是没有意义的，算法的输出是和输入有着某些特定关系的量。

算法的描述方法：

程序流程图、 自然语言、 程序设计语言、 伪代码（算法语言）

算法分析——时间复杂度,T(n)

算法的设计目标：

正确性、可使用性、可读性、健壮性、高时间性能与低存储量需求

CPU时间 -> 时间性能分析

内存空间 -> 空间性能分析

算法分析目的：分析算法的时空效率以便改进算法性能

方法：事后统计法、 事前分析估算法

时间复杂度

一个算法是由控制结构（顺序、分支、循环三种）和原操作（指固有数据类型的操作，如+、-、*、/ 、++、–等）构成的。算法执行时间取决于两者的综合效果。

O（n）

如果代码循环、减半，一定会出现对数情况O(logn)或O(log₂n)

小结

• 时间复杂度是用来估计算法运行时间的一个式子（单位）。
• 一般来说，时间复杂度高的算法比复杂度低的算法慢。
• 常见的时间复杂度（按效率排序）
  • O(1)<O(logn)<O(√n)<O(n)<O(nlogn)<O(n²)<O(n²logn)<O(n³)<O(2ⁿ)<O(n!)

如何简单快速的判断一个时间复杂度

确定问题规模n

循环减半过程——>logn

k层关于n的循环——>n^k