此系列全部来源于 labuladong的算法小抄，微信公众号也是这个名字，有兴趣可以关注一下
1、数据结构的存储方式
数据结构的存储方式只有两种：数组（顺序存储）和链表（链式存储）。
这句话怎么理解，不是还有散列表、栈、队列、堆、树、图等等各种数据结构吗？
我们分析问题，一定要有递归的思想，自顶向下，从抽象到具体。上面提到的那些，都属于【上层建筑】，而数组和链表才是【结构基础】。那些多样化的数据结构，究其源头，都是在链表或者数组上的特殊操作，API不同而已。
比如说【队列】、【栈】这两种数据结构既可以使用链表也可以使用数组实现。用数组实现，就要处理扩容缩容的问题；用链表实现，没有这个问题，但需要更多的内存空间储存节点指针。
【图】的两种表达方法，邻接表就是链表，邻接矩阵就是二维数组，邻接矩阵判断连通性迅速，并可以进行矩阵运算解决一些问题，但是如果图比较稀疏的话很耗费时间。邻接表比较节省空间，但是很多操作的效率上肯定必不过邻接矩阵。
【散列表】就是通过散列函数把键映射到一个大数组里。而且对于解决散列冲突的方法，拉链法需要链表特性，操作简单，但需要额外的空间存储指针；线性探查法就需要数组特性，以便连续寻址，不需要指针的存储空间，但操作稍微复杂些。
【树】用数组实现就是【堆】，因为【堆】是一个完全二叉树，用数组存储不需要节点指针，操作也比较简单；用链表实现就是很常见的那种。【树】，因为不一定是完全二叉树，所以不适合用数组存储。为此，在这种链表【树】结构之上，又衍生出各种巧妙的设计，比如二叉搜索树、AVL树、红黑树、区间数、B树等等，以应对不同的问题。
了解 Redis 数据库的朋友可能也知道，Redis提供列表，字符串、集合等等几种常用数据结构，但是对于每种数据结构，底层的存储方式都至少有两种，以便于根据存储数据的实际情况使用合适的存储方式。
综上，数据结构种类很多，甚⾄你也可以发明⾃⼰的数据结构，但是底层存储⽆⾮数组或者链表，⼆者的优缺点如下：
数组 由于是紧凑连续存储，可以随机访问，通过索引快速找到对应元素，而且相对节约存储空间。但正因为连续存储，内存空间必须一次性分配够，所以说数组如果要扩容，需要重新分配一块更大的空间，再把数据全部复制过去，时间复杂度O(N)；而且你如果想在数组中间进行插入和删除，每次必须搬移后面的所有数据以保持连续，时间复杂度O(N)。
链表 因为元素不连续，而是靠指针指向下一个元素的位置，所以不存在数组的扩容问题；如果知道某一元素的前驱和后驱，操作指针即可删除该元素或者插入新元素，时间复杂度O(1)。但是正因为存储空间不连续，你无法根据一个索引算出对应元素的地址，所以不能随机访问；而且由于每个元素必须存储指向前后元素位置的指针，会消耗相对更多的储存看空间。
2、数据结构的基本操作
对于任何数据结构，其基本操作无非遍历+访问，再具体一点就是：增删改查。
数据结构种类很多，但它们存在的目的都是在不同的应用场景，尽可能高效地增删改查。
如何遍历+访问？我们仍然从最高层来看，各种数据结构的遍历+访问无非两种形式：线性的和非线性的。
线性就是 for/while 迭代为代表，非线性就是递归为代表。再具体⼀步，无非以下几种框架：
数组遍历框架，典型的线性迭代结构：
void traverse(int[] arr) {
for (int i = 0; i < arr.length; i++) {
// 迭代访问 arr[i]
}
}
链表遍历框架，兼具迭代和递归结构：
/* 基本的单链表节点 */
class ListNode {
int val;
ListNode next;
}
void traverse(ListNode head) {
for (ListNode p = head; p != null; p = p.next) {
// 迭代访问 p.val
}
}
void traverse(ListNode head) {
// 递归访问head.val
traverse(head.next)
}
二叉树遍历框架，典型的非线性递归遍历结构：
/* 基本的⼆叉树节点 */
class TreeNode {
int val;
TreeNode left, right;
}
void traverse(TreeNode root) {
traverse(root.left)
traverse(root.right)
}
你看二叉树的递归遍历方式和链表遍历方式，相似不？再看看二叉树结构和单链表结构，相似不？如果再多几条叉，N叉树你会不会遍历？
二叉树框架可以扩展为N叉树的遍历框架：
/* 基本的 N 叉树节点 */
class TreeNode {
int val;
TreeNode[] children;
}
void traverse(TreeNode root) {
for (TreeNode child : root.children)
traverse(child)
}
N叉树的遍历又可以扩展为图的遍历，因为图就是好几N叉棵树的结合体。你说图是可能出现环的？这个很好办，用个布尔数组 visited 做标记就行了。
所谓框架，就是套路。不管增删查改，这些代码都是永远无法脱离的结构，你可以把这个结构作为大纲，根据具体问题在框架上添加代码就行了。
3、算法刷题指南
首先要明确的是，**数据结构是工具，算法是通过合适的工具解决特点问题的方法。**也就是说，学习算法之前，最起码得了解那些常见的数据结构，了解它们的特性和缺陷。
该如何在 LeetCode 刷题呢？直接说具体的建议：
先刷二叉树，先刷二叉树，先刷二叉树！
为什么要先刷二叉树呢，因为二叉树是最容易培养框架思维的，而且大部分算法技巧，本质上都是树的遍历问题。
刷二叉树看到题目没思路？其实大家不是没思路，只是没有理解我们说的【框架】是什么。不要小看这几行破代码，几乎所有二叉树的题目都是一套这个框架就出来了。
void traverse(TreeNode root) {
// 前序遍历
traverse(root.left)
// 中序遍历
traverse(root.right)
// 后序遍历
}
比如说我随便拿出几道题的解法出来，不用管具体的代码逻辑，只要看看框架在其中是如何发挥作用的就行。
LeetCode 124 题，难度 Hard，让你求⼆叉树中最⼤路径和，主要代码如下：
int ans = INT_MIN;
int oneSideMax(TreeNode* root) {
if (root == nullptr) return 0;
int left = max(0, oneSideMax(root->left));
int right = max(0, oneSideMax(root->right));
ans = max(ans, left + right + root->val);
return max(left, right) + root->val;
}
你看，这就是个后序遍历嘛。
LeetCode 105 题，难度 Medium，让你根据前序遍历和中序遍历的结果还原⼀棵⼆叉树，很经典的问题吧，主要代码如下：
TreeNode buildTree(int[] preorder, int preStart, int preEnd, int[] inorder, int inStart, int inEnd, Map<Integer, Integer> inMa p) {
if(preStart > preEnd || inStart > inEnd) return null;
TreeNode root = new TreeNode(preorder[preStart]);
int inRoot = inMap.get(root.val);
int numsLeft = inRoot - inStart;
root.left = buildTree(preorder, preStart + 1, preStart + numsLeft , inorder, inStart, inRoot - 1, inMap);
root.right = buildTree(preorder, preStart + numsLeft + 1, preEnd, inorder, inRoot + 1, inEnd, inMap);
return root;
}
不要看这个函数的参数很多，只是为了控制数组索引而已，本质上该算法也就是一个前序遍历。
LeetCode 99 题，难度 Hard，恢复⼀棵 BST，主要代码如下：
void traverse(TreeNode* node) {
if (!node) return;
traverse(node->left);
if (node->val < prev->val) {
s = (s == NULL) ? prev : s;
t = node;
}
prev = node;
traverse(node->right);
}
这不就是个中序遍历嘛，对于一棵 BST 中序遍历意味着什么，应该不需要解释了吧。
你看，Hard 难度的题⽬不过如此，⽽且还这么有规律可循，只要把框架写出来，然后往相应的位置加东⻄就⾏了，这不就是思路吗。
对于⼀个理解⼆叉树的⼈来说，刷⼀道⼆叉树的题⽬花不了多⻓时间。那么 如果你对刷题⽆从下⼿或者有畏惧⼼理，不妨从⼆叉树下⼿，前 10 道也许 有点难受；结合框架再做 20 道，也许你就有点⾃⼰的理解了；刷完整个专题，再去做什么回溯动规分治专题，你就会发现只要涉及递归的问题，都是树的问题。
动态规划详解说过凑零钱问题，暴力解法就是遍历一棵 N 叉树：
def coinChange(coins: List[int], amount: int):
def dp(n):
if n == 0: return 0
if n < 0: return -1
res = float('INF')
for coin in coins:
subproblem = dp(n - coin)
# ⼦问题⽆解，跳过
if subproblem == -1: continue
res = min(res, 1 + subproblem)
return res if res != float('INF') else -1
return dp(amount)
直接提取出框架，就能看出核心思路了：
# 不过是⼀个 N 叉树的遍历问题⽽已
def dp(n):
for coin in coins:
dp(n - coin)
其实很多动态规划问题就是在遍历一棵树，你如果对树的遍历操作烂熟于心，起码知道怎么把思路转化成代码，也知道如何提取别人解法的核心思路。
再看看回溯算法，回溯算法就是个 N 叉树的前后序遍历问题，没有例外。
比如 N 皇后问题，主要代码如下：
void backtrack(int[] nums, LinkedList<Integer> track) {
if (track.size() == nums.length) {
res.add(new LinkedList(track));
return;
}
for (int i = 0; i < nums.length; i++) {
if (track.contains(nums[i])) continue;
track.add(nums[i]);
// 进⼊下⼀层决策树
backtrack(nums, track);
track.removeLast();
}
/* 提取出 N 叉树遍历框架 */
void backtrack(int[] nums, LinkedList<Integer> track) { for (int i = 0; i < nums.length; i++) { backtrack(nums, track);
}
你看，N 叉树的遍历框架，这就找出来了。你说，树这种结构重不重要？
综上，对于畏惧算法的朋友来说，可以先刷树的相关题目，试着从框架上看问题，而不要纠结于细节问题。
纠结细节问题，就比如纠结 i 到底应该加到 n 还是加到 n-1，这个数组的大小到底应该开 n 还是 n+1 ?
从框架上看问题，就是像我们这样基于框架进行抽取和扩展，既可以在看别人解法时快速理解核心逻辑，也有助于找到我们自己写解法时的思路方向。
当然，如果细节出错，你得不到正确的答案，但是只要有框架，你再错也错不到哪去，因为你的方向是对的。
但是，你要是心中没有框架，那么你根本无法解题，给了你答案，你也不会发现这就是个树的遍历问题。
这种思维是很重要的，动态规划详解 中总结的找状态转移方程的几步流程，有时候按照流程写出解法，说实话我自己都不知道为啥是对的，反正它就是对了。。。
这就是框架的力量，能够保证你在快睡着的时候，依然能写出正确的程序；就算你啥都不会，都能比别人高一个级别。
4、总结
数据结构的基本存储方式就是链式和顺序两种，基本操作就是增删查改，遍历方式无非迭代和递归。
刷算法题建议从【树】分类开始刷，结合框架思维， 把这几十道题刷完，对于树结构的理解应该就到位了。这时候去看回溯、动规、分治等算法专题，对思路的理解可能会更加深刻一些。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
