数据结构与算法(b站:爱学习的饲养员)

1. 时间复杂度与空间复杂度

1.1 时间复杂度

• 执行时间与输入值(问题规模)之间关系
• 问题规模, 与变量有关
• 几个常见时间复杂度

O(1)

O(logn)

O(n)

O(m+n)

O(nlogn)

O(n*n)

时间复杂度对比

1.2 空间复杂度

• 存储空间与输入值之间关系
• 常见的就是O(1)和O(n)
  • 如何分辨O(1)还是O(n)
    1. 输入值是否用作常量
    2. 是否是递归,递归是O(n)

左:O(1) 右:O(n)

1.3 总结

• 时间和空间只能二选一, 时间换空间,空间换时间
• 工作时,一般是考虑时间优先

2.数据结构

2.1 数组Array

• 连续的内存空间,存储一组相同类型数据

• 四种方法的时间复杂度

  • 访问 O(1) : 通过索引访问元素
  • 搜索 O(n) : 遍历元素返回索引位置
  • 插入 O(n) : 插入元素位置后所有元素后移, 最坏时间复杂度O(n)
  • 删除 O(n) : 同上

• 特点 : 读多写少

• 常见操作:
  (1).创建数组
  

  (2). 增删改查(通过索引,遍历查找),

方法	时间复杂度
arr.add(元素)	O(1):arr没满的情况下; O(n):arr满了,重新创建一个新数组,旧的数据都要复制过去
arr.add(索引,元素)	O(n)
arr.remove(索引)	O(n)
arr.set(索引,元素)	O(1)
arr.get(索引)	O(1)
arr.contains(元素)	O(n): 需要通过循环数组进行查询

(3).遍历数组,数组长度,数组排序(内置)

方法
数组长度	1,2,3 : c.length; 4 : arr.size()
遍历数组	for循环中:c[i] or arr.get(i)
排序(升序)	O(nlogn): Array.sort( c); Collection.sort(arr)
排序(降序)	O(nlogn): Array.sort( c(转为Integer类型),Collection.reverseOrder()); Collection.sort(arr,Collection.reverseOrder())

• 练习题

• 485 最大连续1的个数

• 283 移动0

• 27 移除元素

2.2 链表Linked List

2.3 队列Queue

2.4 栈 Stack

2.5 哈希表HashTable

2.6 集合Set

2.7 树Tree

2.8 堆Heapify

2.9 图Graph

3.算法