数据结构之我见（基础篇）

楔子：笔者写这篇文章主要是为了巩固、加深自己的印象，毕竟笔者是个小白，如果有什么不对，还望斧正。

ps：本篇只是粗浅的介绍一番数据结构，略微多讲一些树的概念，不涉及代码，介意误入。

目录

1、数据结构的概念

1. 什么是数据结构？

2. 数据结构的好处

3. 数据结构的大致分类

2、其中常用的一例——树

1. 树结构的定义与对比

2. 树结构的相关概念

3. 二叉树

4. 二叉搜索树（也叫二叉排序树）

5. 二叉堆

Extra. Hash表

---

1、数据结构的概念

        在介绍树之前，笔者认为还是有必要讲讲什么是数据结构，以及数据结构有哪些分类。不光是为了梳理自己的头绪，还为了多水几个字（嘿嘿bushi）！

        ps：了解过的请直接跳过。。。。。。

1. 什么是数据结构？

        数据结构是计算机科学中的一个核心概念，指的是一种特定方式在计算机中组织和存储数据，以便能够高效地进行访问和修改，也可以说是指相互之间存在一种或多种特定关系的数据元素的集合。

        通常情况下，不同的数据结构适用于不同的问题和场景，选择合适的数据结构可以显著提高程序的性能。精心选择的数据结构可以带来更高的运行或者存储效率。数据结构往往同高效的检索算法和索引技术有关。

           我们看一下下面的图，略有粗糙，但无伤大雅。这是我们数据结构的组成部分，因为本篇主讲树部分，所以大致了解一下就可以了，毕竟笔者也还没有每个都接触过。

2. 数据结构的好处

数据结构的主要有以下几点价值：

1. 提高数据存储和操作的效率：通过选择合适的数据结构，可以降低数据处理过程中的时间和空间开销。

2. 便于算法设计：选择合适的数据结构可以简化算法设计，提高算法的可读性和可维护性。

3. 实现数据的抽象：数据结构将数据的表示和操作封装起来，使程序员能够更容易地处理复杂的数据问题。

3. 数据结构的大致分类

        此处笔者借鉴了“逻辑实体”佬的文章，毕竟有好的总结可以利用，就不需要多费时间在这上面了，数据结构间的对比可以更为清晰地明白它们间的不同与作用所在。

 1. 数组（Array）

数组是一种基本的数据结构，它在内存中分配连续的存储空间，通过索引直接访问元素。数组可以是一维的，也可以是多维的。

优点：

• 访问速度快，因为使用索引可以直接定位到具体的元素

• 适合处理固定大小的数据集

缺点：

• 插入和删除操作较慢，因为需要移动大量元素

• 内存空间需要预先分配，可能导致内存浪费

2. 链表（Linked List）

链表是由一系列节点组成的线性数据结构，每个节点包含一个数据元素和指向下一个节点的指针。链表可以是单向链表或双向链表。

优点：

• 插入和删除操作较快，只需修改指针

• 大小可以动态调整，适应不同数据量的需求

缺点：

• 访问速度较慢，需要遍历链表来定位元素

• 需要额外的空间存储指针

3. 栈（Stack）

栈是一种后进先出（LIFO）的数据结构，只允许在一端（称为栈顶）进行插入和删除操作。栈可以使用数组或链表实现。

优点：

• 简化了对数据的访问和操作，使得程序更易于理解

• 高效地支持需要后进先出访问模式的场景

缺点：

• 容量有限，当栈满时无法再插入新元素

• 不适用于需要快速访问任意位置元素的场景

4. 队列（Queue）

队列是一种先进先出（FIFO）的数据结构，允许在一端（队尾）进行插入操作，而在另一端（队首）进行删除操作。队列可以使用数组或链表实现。

优点：

• 简化了对数据的访问和操作，使得程序更易于理解

• 高效地支持需要先进先出访问模式的场景

缺点：

• 容量有限，当队列满时无法再插入新元素

• 不适用于需要快速访问任意位置元素的场景

5. 树（Tree）

此处是笔者将讲述的重点，还是需要细细看一下的。

树是一种分层的非线性数据结构，由节点组成，每个节点有零个或多个子节点。常见的树结构有二叉树、红黑树、AVL树等。

优点：

• 树形结构可以很好地表示层次关系和分支结构

• 在平衡树（如红黑树、AVL树）中，查找、插入、删除操作的时间复杂度较低，通常为O(log n)

• 树结构易于扩展，可以方便地实现各种高级数据结构

缺点：

• 实现相对复杂，需要维护各种平衡和指针关系

• 需要额外的空间存储指针

• 对于线性数据，树结构可能不如数组和链表高效

6. 图（Graph）

图是一种复杂的非线性数据结构，由节点（顶点）和连接这些节点的边（线）组成。图可以表示多对多的关系，可以是有向图或无向图。

优点：

• 图可以表示复杂的网络关系和拓扑结构

• 可以很好地解决各种路径、流量和连接性问题

• 灵活性高，可以表示多种实际问题

缺点：

• 实现复杂，需要维护顶点和边的关系

• 对于稀疏图，邻接矩阵表示法可能会浪费大量空间

• 图算法通常较难理解和实现，如最短路径、最小生成树等

        以上是一些常见的数据结构，当然还有许多其他数据结构，如红黑树、AVL树、Trie树等。在实际应用中，根据问题的具体需求和场景选择合适的数据结构，可以大大提高程序的性能和可维护性。

        而在这之中，线性数据结构有数组、链表、队列和堆栈，而非线性数据结构包括二维数组，多维数组、树(二叉树、二叉搜索树等)、堆和图。

此为描述原帖，内部还含各类数据结构的java实例：

https://baijiahao.baidu.com/s?id=1761129438126792260&wfr=spider&for=pc

2、其中常用的一例——树

1. 树结构的定义与对比

​        树结构是一种一对多的非线性结构，它是由n（n>=0）个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。

• 不要与现实中的树混在一起，当n>0时，树有且只有一个根结点。
• 除根节点外，其余结点被分成M(M>0)个互不相交的集合T1、T2、……、Tm，其中每一个集合Ti(1<= i <= m)又是一棵结构与树类似的子树。每棵子树的根结点有且只有一个前驱，可以有0个或多个后继

2. 树结构的相关概念

节点的度：一个节点含有的子树的个数称为该节点的度；
叶节点或终端节点：度为0的节点称为叶节点； 
非终端节点或分支节点：度不为0的节点；
双亲节点或父节点：若一个节点含有子节点，则这个节点称为其子节点的父节点；
孩子节点或子节点：一个节点含有的子树的根节点称为该节点的子节点；
兄弟节点：具有相同父节点的节点互称为兄弟节点；
树的度：一棵树中，最大的节点的度称为树的度； 
节点的层次：从根开始定义起，根为第1层，根的子节点为第2层，以此类推；
树的高度或深度：树中节点的最大层次；
堂兄弟节点：双亲在同一层的节点互为堂兄弟；
节点的祖先：从根到该节点所经分支上的所有节点；
子孙：以某节点为根的子树中任一节点都称为该节点的子孙。
森林：由m（m>0）棵互不相交的树的集合称为森林；

如Linux的文件夹系统就是这样一个结构：

此处只是较为笼统的介绍了树的相关概念，具体还请转至它住，笔者能力实在受限（/(ㄒoㄒ)/~~）

接下来就是树中较为常用的二叉树及其特殊分支的介绍了，

3. 二叉树

与数组，链接列表，堆栈和队列（它们是线性数据结构）不同，树是分层的数据结构。

二叉树是一种树形数据结构，其中每个节点最多具有两个子节点，称为左子节点和右子节点。它主要使用链接来实现。

1. 二叉树表示

树由指向树中最高节点的指针表示。如果树为空，则root的值为NULL。二叉树节点包含三部分：自己本身的数据、指向左孩子的指针以及指向右孩子的指针 。

可以通过两种方式遍历二叉树

第一种是        深度优先遍历（简称DFS）：前序（根-左-右），中序（左根右）和后序（左右根）
第二种是        广度优先遍历（简称BFS）：水平顺序 遍历

2. 二叉树属性

第i层的最大节点数= 2i；

二叉树最大节点数= 2h +1-1，这里h是指树的高度；

最小可能高度= ceil（Log2（n + 1））-1，ceil（）意为向下取整；

叶子节点的数量总是比有两个孩子的节点数量多一；

树遍历的时间复杂度：O（n）。

二叉树举例说明

通常使用二叉树或树的原因就是要形成一个层次结构。它们在文件结构中很有用，其中每个文件都位于特定目录中，并且存在与文件和目录关联的特定层次结构。另外还有就是存储分层对象，例如JavaScript文档对象模型，将HTML页面视为一棵树，其中标签嵌套为父子关系。

4. 二叉搜索树（也叫二叉排序树）

二叉搜索树中其实只是多了一些属性特点的二叉树，多出的属性有以下三点：

1.节点的值大于其左子树中任意一个节点的值；

2.节点的值小于其右节点中任意一节点的值；

3.左子树和右子树也都必须是二叉搜索树。

时间复杂度方面：

搜索：O（h）

插入：O（h）

删除：O（h）

空间：O（n）；(h是指二叉搜索树的高度，n是指二叉搜索树中的节点数。)

如果二叉搜索树是高度平衡的，则h = O（log n），自平衡二叉搜索树（例如AVL树，红黑树和Splay树）可确保二叉搜索树的高度保持为O（log n）。

二叉搜索树访问/搜索速度比链表更快，比数组慢。但是二叉搜索树的插入/删除速度比数组更快，比链表慢。

二叉搜索树举例说明

它的主要用途是在搜索应用程序中，在该应用程序中，数据不断输入/释放，并且需要按排序顺序打印数据。例如，在电子商务网站的实施中，其中添加了新产品或产品缺货，并且所有产品均按排序顺序列出。

5. 二叉堆

二叉堆其实就是增加了几重属性的二叉树，他们区别在于：

1. 二叉堆是一种完全二叉树，除了最后一个层，其他所有层都已完全填满，二叉堆的此属性使它们适合存储在数组中。

2. 二叉堆既是大根堆也是小根堆，子结点总是大于或小于父结点。

大根堆：顾名思义，根是最大的，每个子结点都要小于父结点，不区分左右儿子谁大谁小，也不必保证某个“孙子结点”一定要小于另一个“儿子结点”。

小根堆：恰恰相反，根是最小的，每个子结点都要大于父结点，不区分左右儿子谁大谁小，也不必保证某个“孙子结点”一定要大于另一个“儿子结点”。

在最小堆中获取最小值：O（1）[或在最大堆中获取最大值]

插入：O（Log n）

删除：O（Log n）

二叉堆的示例

用于实现高效的优先级队列，而这些优先级队列又用于调度操作系统中的进程。优先队列也用在Dijikstra和Prim的图算法中。
堆数据结构可用于有效地查找数组中的k个最小（或最大）元素，合并k个排序数组等。堆是一种特殊的数据结构，不能用于搜索特定的元素。

Extra. Hash表

        这里笔者给自己打个广告，和树都为非线性的数据结构，Hash表的用法也是很广阔的。

        Hash函数能够将一个输入的大键（key）转换为更小的整数值（value）。该映射的整数值用作哈希表中的索引。良好的哈希函数应具有以下属性

1）高效可计算。

2）应均匀分配输入值（每个输入值在表中的位置均等）

要理解Hash表，其中的哈希函数、冲突处理、链接、开放式寻址要弄清楚。

而这具体可以在我之前写的博客中找到：哈希（Hash）表的初相识

https://blog.csdn.net/qq_42785084/article/details/134839182?spm=1001.2014.3001.5502

复杂度方面：

空间：O（n）；

搜索：平均情况下是O（1），最坏情况下是 O（n）；

插入：平均情况下是O（1），最坏情况下是 O（n）；

删除：平均情况下是O（1），最坏情况下是 O（n）。

对于所有操作，哈希似乎比二叉搜索树更好。但是在哈希中，元素是无序的，而在二叉搜索树中，元素是以有序的方式存储的。同样，二叉搜索树易于实现，但是哈希函数的生成有时可能非常复杂。在二叉搜索树中，我们还可以很快地找到最大值、最小值。

        好了，洋洋洒洒也有四千字了。笔者知道其中干货不多，但也能够让小白们大致了解数据结构方面的内容了。至于更加具体地，可能要等到笔者给自己充充电，才能继续深入拓展了。

        那么今天就到这里为止，希望能够读到这里的小伙伴点点赞，我们下次再见！