文章目录
前言
主要记录学习的第一部分:数据处理的基本操作,增删查
1.增删查:掌握数据处理的基本操作
1.1代码对数据的处理
1.2数据处理的基本操作
代码对数据的处理是代码对输入数据进行计算,得到结果并输出的过程
数据处理的操作是找到需要处理的数据,计算结果,再把结果保存下来
这个过程总结为以下操作:
找到要处理的数据。按照某些条件进行查找
把结果存到一个新的内存空间中。这就是在现有数据上进行新增
把结果存到一个已使用的内存空间中。这需要先删除内存空间中的已有数据,再新增新的数据
即,即便是很复杂的代码,对数据的处理也只有三个基本操作,增删查
常用的分析方法可以参考下面的三个步骤:
1.这段代码对数据进行了哪些操作?
2.这些操作中,哪个操作最影响效率,对时间复杂度的损耗最大?
3.哪种数据结构最能帮助你提高数据操作的使用效率?
1.3案例
查找,就是从复杂的数据结构中,找到满足某个条件的元素
可以从下面两个方面来对数据进行查找操作:
根据元素的位置或索引来查找
根据元素的数值特征来查找
例1:对于一个数组,找到数组中的第二个元素并输出
这个问题很简单。由于数组本身具有索引index,因此直接通过索引就能查找到其第二个元素。别忘了,数组的索引值是从0开始的,因此第二个元素索引值是1.不难发现,因为有的index的索引,所以我们就可以直接进行查找操作。这里的时间复杂度为O(1)
例2:我们来看第二个例子,如果是一个链表,如何找到这个链表中的第二个元素并输出呢?
链表和数组一样,都是O(n)空间复杂度的基础数据结构,其区别是,数组有index索引,而链表没有。链表是通过指针,让元素按某个自定义的顺序“手拉手”连接在一起的。
既然是这样,要查找其第二个元素,就必须先知道第一个元素在哪里。所以,链表中的某个位置的元素的查找,只能从前往后依次查找。所以时间复杂度为O(n).
例3:要查找出,数据结构中值等于5的元素是否存在。
唯一的方法就是按照顺序一个接一个的判断元素数值是否满足等于5的条件。时间复杂度为O(n)。而如果借助字典的数据类型,即MAP就可以在O(1)的时间复杂度内完成了
例4:关于复杂数据结构中新增数据,有两个可能
第一个是在数据结构的最后新增一条数据
第二个是在中间某个位置新增一条数据