数据结构之数组及数组与链表的比较

数组看起来简单基础，但是很多人没有理解这个数据结构的精髓。带着为什么数组要从 0 开始编号，而不是从 1 开始的问题，进入主题。

什么是数组？

用专业的话来给你做下解释：

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

这个定义里有几个关键词，理解了这几个关键词，我想你就能彻底掌握数组

1. 数组如何实现随机访问

1 ） 数组是一种线性数据结构，用连续的存储空间存储相同类型数据
I ） 线性表：数组、链表、队列、栈 非线性表：树 图
II ） 连续的内存空间，相同的数据，所以数组可以随机访问，但对数组进行删除插入，为了保证数组的连续性，就要做大量的数据搬移工作

a) 数组如何实现下标随机访问。

引入数组再内存种的分配图，得出寻址公式

我们拿一个长度为 10 的 int 类型的数组 int[] a = new int[10] 来举例。在我画的这个图中，计算机给数组 a[10] ，分配了一块连续内存空间 1000 ～ 1039 ，其中，内存块的
首地址为 base_address = 1000 。

我们知道，计算机会给每个内存单元分配一个地址，计算机通过地址来访问内存中的数据。当计算机需要随机访问数组中的某个元素时，它会首先通过下面的寻
址公式，计算出该元素存储的内存地址：

a[i]_address = base_address + i * data_type_size

其中 data_type_size 表示数组中每个元素的大小。我们举的这个例子里，数组中存储的是 int 类型数据，所以 data_type_size 就为 4 个字节。这个公式非常简单，我就不
多做解释了。

这里我要特别纠正一个 “ 错误 ” ，常常会有人问数组和链表的区别，很多人都回答说， “ 链表适合插入、删除，时间复杂度 O(1) ；

实际上，这种表述是不准确的。数组是适合查找操作，但是查找的时间复杂度并不为 O(1) 。即便是排好序的数组，你用二分查找，时间复杂度也是 O(logn) 。

所以，正确的表述应该是，数组支持随机访问，根据下标随机访问的时间复杂度为 O(1) 。

b) 纠正数组和链表的错误认识。数组的查找操作时间复杂度并不是 O(1) 。即便是排好的数组，用二分查找，时间复杂度也是 O （ logn ）。

正确表述：数组支持随机访问，根据下标随机访问的时间复杂度为 O （ 1 ）

2. 低效的插入和删除

我们先来看插入操作。
假设数组的长度为 n ，现在，如果我们需要将一个数据插入到数组中的第 k 个位置。为了把第 k 个位置腾出来，给新来的数据，我们需要将第 k ～ n 这部分的元素都顺
序地往后挪一位。那插入操作的时间复杂度是多少呢？你可以自己先试着分析一下。

如果在数组的末尾插入元素，那就不需要移动数据了，这时的时间复杂度为 O(1) 。但如果在数组的开头插入元素，那所有的数据都需要依次往后移动一位，所以
最坏时间复杂度是 O(n) 。 因为我们在每个位置插入元素的概率是一样的，所以平均情况时间复杂度为 (1+2+…n)/n=O(n) 。

如果数组中的数据是有序的，我们在某个位置插入一个新的元素时，就必须按照刚才的方法搬移 k 之后的数据。

但是，如果数组中存储的数据并没有任何规律，数
组只是被当作一个存储数据的集合。在这种情况下，如果要将某个数组插入到第 k 个位置，为了避免大规模的数据搬移，我们还有一个简单的办法就是，直接将
第 k 位的数据搬移到数组元素的最后，把新的元素直接放入第 k 个位置。
为了更好地理解，我们举一个例子。假设数组 a[10] 中存储了如下 5 个元素： a ， b ， c ， d ， e 。
我们现在需要将元素 x 插入到第 3 个位置。我们只需要将 c 放入到 a[5] ，将 a[2] 赋值为 x 即可。最后，数组中的元素如下： a ， b ， x ， d ， e ， c 。

总结：

1 ） 插入：从最好 O(1) 最坏 O(n) 平均 O(n)
2 ） 插入：数组若无序，插入新的元素时，可以将第 K 个位置元素移动到数组末尾，把心的元素，插入到第 k 个位置，此处复杂度为 O(1) 。作者举例说明
3 ） 删除：从最好 O(1) 最坏 O(n) 平均 O(n)
4 ） 多次删除集中在一起，提高删除效率
记录下已经被删除的数据，每次的删除操作并不是搬移数据，只是记录数据已经被删除，当数组没有更多的存储空间时，再触发一次真正的删除操作。即 JV
M 标记清除垃圾回收算法。

3. 警惕数组的访问越界问题

用 C 语言循环越界访问的例子说明访问越界的 bug 。此例在《 C 陷阱与缺陷》出现过，很惭愧，看过但是现在也只有一丢丢印象。翻了下书，替作者加上一句
话：如果用来编译这段程序的编译器按照内存地址递减的方式给变量分配内存，那么内存中的 i 将会被置为 0 ，则为死循环永远出不去。

4. 容器能否完全替代数组

相比于数字， java 中的 ArrayList 封装了数组的很多操作，并支持动态扩容。一旦超过村塾容量，扩容时比较耗内存，因为涉及到内存申请和数据搬移。
数组适合的场景：

1. Java ArrayList 的使用涉及装箱拆箱，有一定的性能损耗，如果特别管柱性能，可以考虑数组

2. 若数据大小事先已知，并且涉及的数据操作非常简单，可以使用数组

3. 表示多维数组时，数组往往更加直观。

4. 业务开发容器即可，底层开发，如网络框架，性能优化。选择数组。

5. 解答开篇问题

现在我们来思考开篇的问题：为什么大多数编程语言中，数组要从 0 开始编号，而不是从 1 开始呢？

从数组存储的内存模型上来看， “ 下标 ” 最确切的定义应该是 “ 偏移（ offset ） ” 。前面也讲到，如果用 a 来表示数组的首地址， a[0] 就是偏移为 0 的位置，也就是首地
址， a[k] 就表示偏移 k 个 type_size 的位置，所以计算 a[k] 的内存地址只需要用这个公式：

a[k]_address = base_address + k * type_size

但是，如果数组从 1 开始计数，那我们计算数组元素 a[k] 的内存地址就会变为：

a[k]_address = base_address + (k-1)*type_size

对比两个公式，我们不难发现 1 开始编号，每次随机访问数组元素都多了一次减法运算，对于 CPU 来说，就是多了一次减法指令。

数组作为非常基础的数据结构，通过下标随机访问数组元素又是其非常基础的编程操作，效率的优化就要尽可能做到极致。所以为了减少一次减法操作，数组选
择了从 0 开始编号，而不是从 1 开始。

不过我认为，上面解释得再多其实都算不上压倒性的证明，说数组起始编号非 0 开始不可。所以我觉得最主要的原因可能是历史原因。
C 语言设计者用 0 开始计数数组下标，之后的 Java 、 JavaScript 等高级语言都效仿了 C 语言，或者说，为了在一定程度上减少 C 语言程序员学习 Java 的学习成本，因此
继续沿用了从 0 开始计数的习惯。实际上，很多语言中数组也并不是从 0 开始计数的，比如 Matlab 。甚至还有一些语言支持负数下标，比如 Python 。