第2章 数据结构概述

该部分为学习笔记，具体内容详见：《数据结构（Python语言描述）》一书

第一节 基本概念

一、数据与数据结构

1. 数据：数据是指所有能够输入计算机中存储并被计算机处理的符号的总称。
2. 数据元素：是数据集合中的一个“个体”，是数据的基本单位，在计算机程序中通常将其作为一个逻辑整体进行处理。
3. 数据项：当一个数据元素包含多个部分信息时，其中每个部分的信息被称为数据项。也被称为字段、域或属性。
4. 数据对象：是性质相同的数据元素的集合，是数据的一个子集。
5. 数据结构：带关系的数据元素构成的集合称为数据结构。
6. 逻辑结构：是指数据结构中各数据元素之间的内在关系。包括：线性结构、树形结构、图状结构和集合。

• 线性结构：普通的线性表、栈和队列等
• 树形结构：元素之间存在“一对多”的关系，层次型的结构
• 图状结构：元素之间存在“多对多”的关系
• 集合：数据元素之间无其他关系
• 注：树形结构、图状结构和集合都不属于线性结构，统称为非线性结构。
• 注：逻辑结构除了可以用逻辑结构示意图表示之外，还可以用二元组方式来表示。

7. 存储结构：是指数据结构在计算机中的表示（映像）方法，是逻辑结构在计算机中的存储实现。对数据结构的存储应包含数据元素本身及数据元素之间的关系。包括：顺序存储、链式存储、索引顺序存储、哈希存储。

• 顺序存储：所有的数据元素存放在一篇连续的存储单元中。
• 链式存储：每个数据元素在内存中的映像包含元素值和指针域两个部分，被称为结点。每个结点单独分配空间，因此无需占用连续内存。
• 索引顺序存储：包含两个部分，即主数据表和索引表，其主要用于快速查找数据元素。
• 哈希存储：也称为哈希表和散列表，通常是一个稀疏顺序表，用于存储集合，目的是提高数据的查找效率

二、数据类型

1. 数据类型及分类
   按照对象值是否可分解，数据类型也常被分为原子类型和组合类型。
2. 抽象数据类型
   是指一个数学模型及定义在该模型上的一组操作，简称ADT。

第二节 数据结构课程讨论的内容

程序设计的实质在于解决两个主要问题：一是根据实际问题选择一种好的数据结构；二是设计一个好的算法，而好的算法在很大程度上取决于描述实际问题的数据结构。
数据结构是一门研究现实世界中数据元素的逻辑关系、基本操作以及在计算机中如何存储表示和实现的学科。它以高级语言程序设计为基础，需要一些数学知识作为前导，它也是算法分析、操作系统、软件工程等课程的必修先行课，是一门非常关键的课程。

第三节 算法及性能分析

一、算法

1. 算法的定义

• 算法是对特定问题的求解步骤的一种描述，它是指令的有限序列，其中每条指令表示一个或多个操作。

2. 算法的性质

• 有穷性：算法必须在执行又穷步骤后结束，而且其中的每个步骤都是有穷的。
• 可行性：算法的每条指令所对应的操作可以完全机械地进行，并且可在有限的时间、空间资源下完成。
• 确定性：算法中的每条指令应确切定义，没有歧义，即对于某个确定的输入，算法的执行路径和执行结果都是唯一的。
• 输入：算法有明确定义的0个或多个输入。
• 输出：算法有明确定义的1个或多个输出，表示算法的处理结果。

3. 算法与程序
4. 算法描述

二、算法分析基础

1. 算法设计目标

• 正确性：要求算法能够正确地执行，对于一切合法的输入数据都能够得出满足要求的结果。
• 可读性：算法应该容易阅读，提高算法可读性的方法有两个：一是给算法添加注释，以方便程序设计者和后续维护人员阅读和差错；二是要注意对函数、变量等对象进行合理命名。
• 健壮性：算法应具有容错处理的功能，当输入的数据不合法或运行环境改变时，算法都能恰当的做出反应或数据处理。可以通过在算法中增加异常处理语句，对算法进行不断测试与优化，达到算法的健壮性。
• 高效率：算法的效率分为时间效率和空间效率（执行过程中占用的内存空间少则空间效率高）。

2. 算法分析
   由于在算法效率中更关注时间效率，算法时间效率的分析方法主要有两种方法：时间性能的事后实验统计与时间性能的事前分析估算。
3. 时间复杂度及计算方法
   将运行时间是常量时间的操作称为“原操作”，将算法中的所有语句执行的原操作的次数之和 T(n) 作为时间代价量度， T(n) 称为时间函数或时间代价函数。如：数值类型数据的赋值、所有数学运算、原子类型的数据的输入和输出等都是原操作，而判断 x 是否在长度为 n 的列表中的 in 操作不是原操作，它包含了若干次数的值比较操作。具体的时间复杂度计算方法如下：

• 将所有语句中原操作的执行次数之和作为算法的运行时间函数 T(n)。
• 忽略时间函数 T(n) 的低次项部分和最高次项的系数，只取时间函数的最高次项，并辅以大 O 记号表示。

4. 时间复杂度计算的简化方法
   关键操作通常是循环最深层的一个语句，它是算法中执行原操作的次数数量级最高的一个语句。
5. Python 内置类型基本操作的时间性能

• 注：list.insert 与 list.append() 的时间复杂度的区别
• 列表常见操作的时间复杂度

基 本 操 作	说 明	平均时间复杂度
copy	复制	O(n)
append	在尾部插入	O(1)
pop list	删除最后一个元素	O(1)
pop intermediate	删除非尾部位置的元素	O(k)
insert	插入	O(n)
get item	元素值的读取	O(1)
set item	元素值的写入	O(1)
delete item	删除值为 item 元素	O(n)
set slice	设置切片（切片长度为 k）	O(n + k)
get slice	切片 k 个元素	O(n)
sort	排序	O(nlog2n)
multiply	乘 k	O(nk)
x in s	判断 x 是否在表 s 中	O(n)
min(s)、max(s)	求表 s 的最小值、最大值	O(n)
get length	求表长	O(1)

• 字典常见操作的时间复杂度

基 本 操 作	说 明	平均时间复杂度
copy	复制	O(n)
get item	读取元素	O(1)
set item	写入元素	O(1)
delete item	删除元素	O(1)
iteration	遍历	O(n)

6. 常见的时间复杂度及性能排序

• 常量阶：$O(1)$
• 对数阶：$O(lo{g}_{m}n)$，其中 m 为大于 1 的正常数，例如$O(lo{g}_{2}n)$
• 线性阶：$O(n)$
• 线性对数阶：$O(nlo{g}_{2}n)$
• 多项式阶：$O(n^m)$，其中 m 为常数，例如$O(n^2)、O(n^3)$
• 指数阶：$O(m^n)$，其中 m 为常数，例如$O(2^n)、O(3^n)、O(n！)$

7. 时间复杂度计算原则

• 加法原则
• 乘法原则

8. 其他情况

• 时间复杂度与输入实例和参数等相关
• 摊销时间复杂度
  有点算法会在触发某个条件时做额外的工作，此时可以根据这个条件发生的概率对整个算法进行性能评估，这样得到的时间复杂度称为摊销时间复杂度。
• 多个问题规模的情况

9. 空间复杂度

三、同一问题的不同算法

现在设计 4 个不同的算法，判断列表中是否含有重复元素。例如【1,2，1,3】中含有重复元素，【1,2，3】中不含重复元素。

• 搜索法
• 排序法
• 集合法
• 字典法
• 性能比较

第四节 上机实验

一、Python 内置类型常见操作的性能验证

1. 验证 Python 列表按索引取值操作的时间性能为 $O(1)$。
2. 验证 Python 字典的元素都区和写入操作的时间性能为 $O(1)$。
3. 验证 Python 列表排序操作的时间性能为$O(n)O(nlo{g}_{2}n)$。

二、列表生成方法的性能比较

1. 设计至少 4 种不同的方法生成长度为 n 的列表，分析各算法的时间复杂度。
2. 编写程序统计 n 为不同规模时各个算法所花费的时间，对数据进行统计分析，讨论实验数据与理论分析是否一致。

三、变位词判断算法的性能比较

1. 设计 3 种不同的算法，判断两个给定的字符串是否互为变位词。如果一个字符串是另一个字符串中各字符的重新排列组合，那么这两个字符串互为变位词。为简化问题，假设字符串中的字符由 26 个小写字母组成。算法接受两个字符串作为参数，返回 True 或 False。分析各个算法的时间复杂度。
2. 设计测试程序，分别调用以上算法，获得绝对运行时间，分析实验数据与理论分析的一致性。提示（为了使实验结果能明显地区分除不同算法的时间性能，应对字符串的长度取不同的值，例如10、100、1000、10000等；为避免人工输入，应设计辅助的程序自动产生随机字符串；为了公平比较算法的性能，请注意 3 个算法的实验输入数据的一致性）

四、哥德巴赫猜想问题

验证哥德巴赫猜想：任何一个大于 2 的偶数均可以表示为两个素数之和。输入一个大于 2 且小于 100000 的偶数 n，输出所有和为 n 的素数对，并给出总的素数对数量。例如，10 可以表示为素数对 3、7 及 5、5 之和，总共有两对素数。