数据结构和算法的本质

数据结构的本质：

数据结构的本质其实就是链表和数组，其它数据结构不过是更上层的建筑。都是用最底的的数组或者链表构造，抽象出来的，然后提供更易用的api。比如树，可以用数组，也可以用链表构建。数组优点是可以索引，省空间。而链接因为用指针，会多用些空间，且链表可以很好的插入删除。
所以我们看到redis上有字符串，有集合等数据结构，但每一种类型在内部都有两种实现方案。
其实，我们自己也可以根据具体的业务场景，构造出自己想要的个性化 数据结构，然后定义出一些适合当前业务，好用的API。每种语言都实现了很多上层的数据结构。python常用的字典，数组外，还有一些定义在collections模块中，用于扩展内置的数据类型。这些数据类型更灵活和高效，如defaultdict，双端队列，Counter。java亦然，大多定义在java.util包中。
综上所述，数据结构底层就是数组和链表。集合，字典也不例外，它们不过是通过哈希函数映射到索引上罢了。

那么算法的本质是什么呢？

算法的本质是穷举。穷举不是那么容易的，第一要保证不漏，第二要聪明的穷举。
因为计算机思维就是通过算力求解问题（参见《编码》一书），完全不同于人解决问题的思路。比如数学发明一个公式，可能就把一个问题求解了。计算机不是这样的，计算机最大优点就是速度快，不“怕累”。算法就是通过计算机语言把人的任务转换成机器一遍遍执行。

扩展说下上面两点。先说不漏。所谓不漏，就是算法给出的答案要完整。比如很多求组合的问题，往往用到回溯算法。这种问题就要确保答案完备。
聪明的穷举就更好理解了。一道算法题，通常可以暴力求解。但时间复杂复不好，所以要优化。所有优化的方法和手段，都是为聪明的穷举服务的。比如双指针技巧，滑动窗口，都是为了节省时间。我们知道，它们比双循环这种暴力求解更省时。再比如，有些问题，我们可以选择更优化的数据结构来减少穷举，比如用双链表而不是单链表。

还有细节一点的：比如写循环时，有些时候是可以提前结束的，比如遍历树的时候去枝，又比如利用缓存记忆，减少些重复的操作。

举个例子：

下面是力扣改编的一道题解法，给定一个数组和一个目标数，找出两数之和为target的下标组合，且不可重复。

def twoSum(nums, target):
    # nums 数组必须有序
    nums.sort()
    lo, hi = 0, len(nums) - 1
    res = []
    while lo < hi:
        sum_ = nums[lo] + nums[hi]
        left, right = nums[lo], nums[hi]
        if sum_ < target:
            while lo < hi and nums[lo] == left:
                lo += 1
        elif sum_ > target:
            while lo < hi and nums[hi] == right:
                hi -= 1
        else:
            res.append([left, right])
            while lo < hi and nums[lo] == left:
                lo += 1
            while lo < hi and nums[hi] == right:
                hi -= 1

    return res


if __name__ == '__main__':
    numbers = [2, 2, 3, 5, 5, 8, 9,11, 13, 13, 15, 16, 16, 17]
    targetNum = 18
    result = twoSum(numbers, targetNum)
    print(result)

这里用到两个聪明的穷举：
1:双指针
2:在if判断里，碰到相同元素，用while快速过滤掉。