数据结构学习——绪论

1.1数据结构基本概念

数据-数据元素-数据项

数据对象：具有相同性质的数据元素的集合，如整数数据对象。

数据类型：原子类型（不可再分）、结构类型（可再分）、抽象数据类型（抽象数据组织及相关操作，见抽象数据类型（ADT）是什么？）。可用抽象数据类型定义一个完整的数据结构。

数据结构：存在特定关系的数据元素的集合。包括逻辑结构、存储结构和数据运算。

        逻辑结构与存储结构关系见逻辑结构与存储结构关系_TBAALi的博客-CSDN博客_逻辑结构和存储结构的关系

存储结构：

        1）顺序存储。逻辑相邻，物理相邻。优点：可以实现随机存取，每个元素占用最少存储空间；缺点：只能使用相邻整块存储单元，可能产生较多的外部碎片。

        2）链式存储。借助指示元素存储地址的指针来表示元素之间的逻辑关系。优点：不会出现碎片现象，充分利用所有存储单元；缺点：每个元素因存储指针而占用额外的存储空间，且只能实现顺序存取。注意：链式存储设计时，各个不同结点的存储空间可以不连续，但结点内的存储单元地址必须连续。

        3）索引存储。建立附加索引表。每项称为索引项（关键字，地址）优点：检索速度快；缺点：索引表额外占据存储空间，增删数据时也要修改索引表。

        4）散列存储。哈希存储。优点：检索、增删结点快；缺点：依赖散列函数好坏，可能出现哈希冲突。

哈希表：哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。（见哈希表（散列表）原理详解 - 云+社区 - 腾讯云）

1.2算法和算法评价

算法效率：通过时间复杂度和空间复杂度描述。

时间复杂度：算法的时间复杂度，用来度量算法的运行时间，记作: T(n) = O(f(n))。它表示随着 输入大小n 的增大，算法执行需要的时间的增长速度可以用 f(n) 来描述（（数据结构）十分钟搞定时间复杂度（算法的时间复杂度） - 简书）。时间复杂度就是用来方便开发者估算出程序的运行时间（究竟什么是时间复杂度，怎么求时间复杂度，看这一篇就够了 - 知乎）。

时间复杂度遵循加法规则和乘法规则。常用渐进时间复杂度。个人理解：时间复杂度相当于求频度函数T(n)=O(f(n))最高次项的数量级。