Java开发——22.数据结构(线性表+树)

常见的数据结构：

数据存储的常用结构有：栈、队列、数组、链表、线性表、树、二叉树和红黑树…

数组：

直达数组！

是我们在第五节就系统的学习过了，数组只能存储相同类型的数据，查询快(对应下标查找)，增删慢(指定位置增减或删除元素，需要移动大量元素)；

栈(stack)：

又名堆栈，类似马克杯只有一个入口；数据存储的时候也是通过入(压)栈和出(弹)栈决定；
位于杯口的位置是：栈顶；
位于杯底的位置是：栈低。

图解堆栈：

堆栈的特点：

1.它是运算受限的线性表，其限制是仅允许在栈顶的一端进行插入和删除操作，不允许在其他任何位置进行添加、查找、删除等操作。

2.先进后出：先进栈的后出栈，后进栈的先出栈；

3.栈的入口和出口都在栈顶位置。

我们在后续学习集合的时候，Collection单列集合和Map双列集合都用运用到堆栈的操作；

Stack类代表最先进先出（LIFO）堆栈的对象。它扩展了类别Vector与五个操作，允许一个向量被视为堆栈。设置在通常的push(入栈)和pop(弹栈)操作，以及作为一种方法来peek在堆栈，以测试堆栈是否为empty的方法，以及向search在栈中的项目的方法在顶部项目和发现多远它是从顶部。

队列(queue)：

简称队，它同堆栈一样，也是一种运算受限的线性表，其限制是仅允许在表的一端进行插入，而在表的另一端进行删除，队列就像小火车过隧道一样，相对堆栈它的特点是：先进队的先出队，后进队的后出队。

链表(linked list)：

由一系列结点node（链表中每一个元素称为结点，注意和后面树中的节点是不同的）组成，结点可以在运行时动态生成。
每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。我们常说的链表结构有单向链表与双向链表。

链表的特点：

查询慢(要查询某个指定位置的值，需要通过结点的地址域找到前面的值，然后依次递增，最后找到要查询的值)，增删快(如果要删除某个指定位置的值，只需要在指定位置前面修改成为指定值的地址域，删除也是同样的方法)。

单向链表(One-way LinkedList)：

单向链表（单链表）是链表的一种，其特点是链表的链接方向是单向的，对链表的访问要通过顺序读取从头部开始；链表是使用指针进行构造的列表；又称为结点列表，因为链表是由一个个结点组装起来的；其中每个结点都有指针成员变量指向列表中的下一个结点；

链表是由结点构成，head指针指向第一个成为表头结点，而终止于最后一个指向NULL的指针。

双向链表：

双向链表也叫双链表，是链表的一种，它的每个数据结点中都有两个指针，分别指向直接后继和直接前驱。所以，从双向链表中的任意一个结点开始，都可以很方便地访问它的前驱结点和后继结点。一般我们都构造双向循环链表。

循环链表：

循环链表是一种链式存储结构，它的最后一个结点指向头结点，形成一个环。因此，从循环链表中的任何一个结点出发都能找到任何其他结点。循环链表的操作和单链表的操作基本一致，差别仅仅在于算法中的循环条件有所不同。

链表的优点：

相比较普通的线性结构，链表结构的可以总结一下：
（1）单个结点创建非常方便，普通的线性内存通常在创建的时候就需要设定数据的大小 ；
（2）结点的删除非常方便，不需要像线性结构那样移动剩下的数据
（3）结点的访问方便，可以通过循环或者递归的方法访问到任意数据，但是平均的访问效率低于线性表。

线性表(linear list)：

线性表是最基本、最简单、也是最常用的一种数据结构。线性表（linear list）是数据结构的一种，一个线性表是n个具有相同特性的数据元素的有限序列。
线性表中数据元素之间的关系是一对一的关系，即除了第一个和最后一个数据元素之外，其它数据元素都是首尾相接的（注意，这句话只适用大部分线性表，而不是全部。比如，循环链表逻辑层次上也是一种线性表（存储层次上属于链式存储，但是把最后一个数据元素的尾指针指向了首位结点）。

线性表主要由顺序表示或链式表示。在实际应用中，常以栈、队列、字符串等特殊形式使用。使用线性表存储的数据，如同向数组中存储数据那样，要求数据类型必须一致，也就是说，线性表存储的数据，要么全不都是整形，要么全部都是字符串。一半是整形，另一半是字符串的一组数据无法使用线性表存储。

线性表的特点：

上述所讲到的数组、堆栈、队列、链表都是特殊的线性表，但是下面要学习的树就不是线性结构。

“一对一”逻辑关系的数据！

某一元素的左侧相邻元素称为==“直接前驱”，位于此元素左侧的所有元素都统称为“前驱元素”；
某一元素的右侧相邻元素称为“直接后继”，位于此元素右侧的所有元素都统称为“后继元素”==；

常见的非线性结构有:二维数组，多维数组，广义表，树(二叉树等)。

树：

树状结构是一个或多个节点的有限集合。
树可以分为：二叉树​、红黑树…

相关特点：

节点与边：节点代表某项资料，而边是指由一节点到另一节点的分支。

兄弟节点(sibling node)：拥有同一父节点的子节点。如：E与F。
叶节点(leaf node)或终点节点(terminal node)：没有子节点的节点。如：J、K等。
根节点(root node)：没有父节点的节点，为树的源头。如：A。

阶度(level)：为树中的第几代，而根节点为第一代，阶度为1。
高度(height)：指一节点往下走到叶节点的最长路径。 如：A为3、F为1、L为0。
深度(depth)：指从根节点到某一节点的最长路径。如：C为1、M为3。

二叉树：

二叉树又名“二元树”;

二元树(Binary tree)：二元树里每一节点的最大分支度为2。
二元树的第i阶最多有2^i-1个节点(此时为满枝二叉树)。

​二叉树的特点：

1.每个节点最多只能有两棵子树，且有左右之分​；
2.二叉树是n个有限元素的集合，该集合或者为空、或者由一个称为根（root）的元素及两个不相交的、被分别称为左子树和右子树的二叉树组成，是有序树；​
3.当集合为空时，称该二叉树为空二叉树。
4.在二叉树中，一个元素也称作一个节点​。

(a)称做左斜树(left skew tree)，每一节点的右子树皆为空集合；
(b)称为完整二元树(complete binary tree)，节点排列顺序同满枝二元树，但节点数小于2k-1 ；
©称为满枝二元树(fully binary tree)，含有节点数共为2k-1。

红黑树：

红黑树，又名​平衡二叉树。
​红黑树（Red Black Tree） 是一种自平衡二叉查找树（AVL树），是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组。

红黑树是一种特化的AVL树（平衡二叉树），都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡，从而获得较高的查找性能。

红黑树是一种平衡二叉查找树的变体，它的左右子树高差有可能大于 1，所以红黑树不是严格意义上的平衡二叉树（AVL），但
对之进行平衡的代价较低， 其平均统计性能要强于 AVL 。

由于每一棵红黑树都是一颗二叉排序树，因此，在对红黑树进行查找时，可以采用运用于普通二叉排序树上的查找算法，在查找过程中不需要颜色信息。

红黑树的特点：

红黑树是每个结点都带有颜色属性的二叉查找树，颜色或红色或黑色。在二叉查找树强制一般要求以外，对于任何有效的红黑树我们增加了如下的额外要求：
性质1. 结点是红色或黑色。
性质2. 根结点是黑色。
性质3. 所有叶子都是黑色。（叶子是NIL结点）NIL结点指的是叶结点空的左右子结点延伸出来的的结点。
性质4. 每个红色结点的两个子结点都是黑色。（从每个叶子到根的所有路径上不能有两个连续的红色结点）
性质5. 从任一结点到其每个叶子的所有路径都包含相同数目的黑色结点。

是性质4导致路径上不能有两个连续的红色结点确保了这个结果。最短的可能路径都是黑色结点，最长的可能路径有交替的红色和黑色结点。因为根据性质5所有最长的路径都有相同数目的黑色结点，这就表明了没有路径能多于任何其他路径的两倍长。
​

节点和结点的区别：

1.节点是一个实体,它具有处理的能力;
2.结点是一个交叉点、一个标记,算法中的点一般都称为结点,数据集合中的每一个数据元素都用中间标有元素值的方框来表示,我们称它为结点。

欢迎关注微信公众号：小红的成长日记，一起学Java！