数据结构存储方式
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?
其他数据结构底层都是数据和链表演化而来,究其源头,都是在链表或者数组上的特殊操作,API 不同⽽已
数据结构 | 描述 |
---|---|
数组 | 1、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,且相对节约存储空间。 2、因为连续存储,内存空间必须⼀次性分配够,若要扩容,需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) 3、在数组中间进插入和删除,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 | 1、链表因为元素内存地址不连续,⽽是靠指针指向下⼀个元素的位置,不存在数组的扩容问题 2、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)。头插法O(1),尾插法O(n) 3、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 4、每个元素须存储指向前后元素位置的指针,会消耗相对更多的储存空间 |
队列 | 既可以使链表也可以使数组实现 |
栈 | 既可以使链表也可以使数组实现 |
图 | 「图」的两种表法,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,并可以进矩阵运算解决⼀些问题,但是如果图较稀疏的话很耗费空间。 邻接表较节省空间,但是很多操作的效率上肯定不过邻接矩阵。 |
散列表 | 通过散列函数把键映射到⼀个⼤数组⾥ 对于解决散列冲突的⽅法: 1、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 2、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」是⼀个完全⼆叉树 链表实现就是很常⻅的那种「树」,因为不⼀定是完全⼆叉树,所以不适合⽤数组存储 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、区间树、B 树等等,以应对不同的问题 |
数据结构的基本操作
数据结构是存储数据的容器,操作无非增删查改,底层基本操作⽆⾮遍历 + 访问(线性的和⾮线性)
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,尽可能⾼效地增删查改
线性就是 for/while 迭代为代表,⾮线性就是递归为代表
数组遍历框架
void traverse(int[] arr) {
for (int i = 0; i < arr.length; i++) {
// 迭代访问 arr[i]
}
}
链表遍历框架
/* 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
/* 基本的⼆叉树节点 */
class TreeNode {
int val;
TreeNode left, right;
}
// 典型的⾮线性递归遍历结构
void traverse(TreeNode root) {
traverse(root.left)
traverse(root.right)
}
多叉树的遍历框架
/* 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)
}
}