数组：为什么很多编程语言中数组都从0开始编号？

每一种编程语言中，基本都有数组这种数据类型，它是一种最基础的数据结构，在大部分编程语言中，数组都是从0开始编号的，但你是否想过，为什么数组要从0开始编号，而不是从1开始呢？从1开始不是更符合人类的思维习惯吗？

如何实现随机访问？

什么是数组，专业的解释在这里。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。 通过里面的几个关键词来对数组进行详细的介绍。

第一是线性表（Linear List）。顾名思义，线性表就是数据排成像一条线一样的结构。每个线性表上的数据最多只有前和后两个方向。其实除了数组，链表、队列、栈等也是线性表结构。

与它对立的概念是非线性表，比如二叉树、堆、图等。之所以叫非线性，是因为在线性表中，数据之间并不是简单的前后关系。

第二个是连续的内存空间和相同类型的数据。 就是因为有了这两个限制，它才有了“随机访问”的特性。但有利就有弊，这两个限制也让数组的很多操作变得非常低效，比如要想在数组中删除、插入一个数据，为了保证连续性，就需要做大量的数据搬移工作。

那么数组是如何根据下标随机访问数组元素的吗？

拿一个长度为 10 的 int 类型的数组 int[] a = new int[10] 来举例。在下面这个图中，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。

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方式，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。这个例子中，数组中存储的是 int 类型数据，所以 data_type_size 就为 4 个字节。

在这纠正一个错误，很多人都说过，“链表适合插入、删除，时间复杂度O(1)；数组适合查找，查找时间复杂度为O(1)”。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，使用二分查找，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是O(1)。

低效的“插入”和“删除”

前面说到，数组为了保持内存数据的连续性，会导致插入、删除这两个操作比较低效。那究竟为什么会导致低效？有什么改进方法吗？

先来看插入操作

假设数组的长度为 n，如果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，给新加的数据，需要将第 k~n 这部分元素都顺序的往后挪一位。

如果在数组的末尾插入元素，那就不需要移动数据了，时间复杂度是O(1)。但如果在数组开头插入数据，所有的数据都要依次往后移动一位，所以最坏情况时间复杂度是O(n)。因为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元素时，就必须按照刚才的方法移动 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，数组只是被当做一个存储数据的集合。在这种情况下，如果要将某个数据插入到第 k 个位置，为了避免大规模的数据移动，还有一个办法就是，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。

举个栗子，假设数组 a[10] 中存储了如下5个元素：a,b,c,d,e。需要将元素x插入到第3个位置，只需要将c放入到 a[5]，将a[2]赋值为x即可。

再来看删除操作

跟插入数据类似，如果要删除第 k 个位置上数据，为了内存的连续性，也需要搬移数据，不然内存就会出现空洞，内存就不连续了。

和插入类似，如果删除数组末尾的数据，最好情况时间复杂度为O(1)；如果删除开头的数据，则最坏情况时间复杂度为O(n)；平均情况时间复杂度也为O(n)。

实际上，在某些特殊场景下，并不一定非得追求数组中数据的连续性。如果将多次删除操作集中在一起执行，删除的效率是不是会提高很多？

举个栗子。数组 a[10]中存储了 8 个元素，a,b,c,d,e,f,g,h。现在，需要依次删除 a,b,c 三个元素。

为了避免 d,e,f,g,h 这几个数据会被搬移三次，可以先记录下已经删除的数据。每次的删除操作并不是真正地搬移数据，只是记录数据已经被删除。当数据没有更多空间存储数据时，我们再触发执行一次真正的删除操作，这样就能大大减少删除操作导致的数据搬移。

这也是JVM标记清除垃圾回收算法的核心思想。数据结构和算法的魅力就在于此，很多时候我们并不是要去死记硬背某个数据结构或者算法，而是要学习它背后的思想和处理技巧，这些东西才是最有价值的。

容器能否完全替代数组？

很多语言都提供了容器类，比如Java中的ArrayList、C++ STL中的 vector。在项目开发中，什么时候适合用数组，什么时候适合用容器？

拿Java语言来举栗。ArrayList与数组相比，有哪些优势？

我个人觉得，ArrayList最大的优势就是可以将很多数组操作的细节封装起来。比如前面提到的数组插入、删除数据时需要搬移其他数据等。还有一个优势就是支持动态扩容。

数组本身在定义的时候需要预先指定大小，因为需要分配连续的内存空间。如果我们申请了大小为10的数组，当第11 个数据需要存储到数组中时，我们就需要重新分配一块更大的空间，将原来的数据复制过去，然后再将新的数据插入。

如果使用 ArrayList就完全不需要关心底层的扩容逻辑，ArrayList 已经帮我们实现好了。每次存储空间不够的时候，它都会将空间自动扩容为 1.5 倍大小。

不过，需要注意一点，因为扩容操作涉及内存申请和数据搬移，是比较耗时的。所以，如果事先能确定需要存储的数据大小，最好在创建 ArrayList 的时候事先指定数据大小。

那哪些时候，用数组更合适些呢？

1. Java ArrayList 无法存储基本类型，比如 int、long，需要封装为 Integer、Long 类，而 Autoboxing、Unboxing 则有一定的性能消耗，所以如果特别关注性能，或者希望使用基本类型，就可以选用数组。

2. 如果数据大小事先已知，并且对数据的操作非常简单，用不到 ArrayList 提供的大部分方法，也可以直接使用数组。

3. 还有一个是我个人的喜好，当要表示多维数组时，用数组往往会更加直观。比如 Object[][] array；而用容器的话则需要这样定义：ArrayList > array。

总结一下，对于业务开发，直接使用容器就足够了，省时省力。毕竟损耗一丢丢性能，完全不会影响到系统整体的性能。但如果你是做一些非常底层的开发，比如开发网络框架，性能的优化需要做到极致，这个时候数组就会优于容器，成为首选。

解答开篇

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，不难发现，从 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。