数据结构之线性表

本文是coursera的课程（数据结构基础）的学习笔记：https://www.coursera.org/learn/shuju-jiegou-suanfa

线性表的概念

• 线性表简称表，是零或多个元素的有穷序列，通常可以表示成K1,K2,…….,Kn(n>=1) 
  

  • 表目：线性表中元素（可包含多个数据项，记录）

  • 索引（下标）：i称为表目k1的“索引”或“下标”

  • 表的长度：线性表中所含元素的个数n

  • 空表：长度为零的线性表（n=0）

• 线性表特点 
  

  • 操作灵活，其长度可以增长、缩短

线性结构

• 二元组B=(K,R),K={a0,a1,….,a(n-1)} R={r} 
  

  • 有一个唯一的开始结点，它没有前驱，有一个唯一的直接后继

  • 一个唯一的终止结点，它有一个唯一的直接前驱，而没有后继

  • 其它的结点皆称为内部结点，每一个内部结点都有且仅有一个唯一的直接前驱，也有一个唯一的直接后继。

  • 前驱/后继关系r，具有反对称性和传递性 
    

• 特点

  • 均匀性：虽然不同线性表的数据元素可以是各种各样的，但对于同一线性表的各数据元素必定具有相同的数据类型和长度。

  • 有序性：各数据元素在线性表中都有自己的位置，且数据元素之间的相对位置是线性的

线性结构——分类

• 按复杂长度划分 
  

  • 简单的：线性表、栈、队列、散列表

  • 高级的：广义表、多维数组、文件……

• 按访问方式划分 
  

  • 直接访问型

  • 搜索访问型

  • 目录索引型 
    

• 按操作划分 
  

  • 插入操作在表的一端，删除操作在另一端

  • 插入和删除操作都限制在表的同一端进行

  • 所有表目都是同一类型结点的线性表

  • 不限制操作形式

  • 根据存储的不同分为：顺序表，链表

  • 线性表 
    

  • 栈(LIFO) 
    

  • 队列(FIFO) 
    

2.1 线性表

• 三个方面 
  

  • 线性表的逻辑结构

  • 线性表的存储结构

  • 线性表运算

2.1.1 线性表逻辑结构

• 主要属性包括 
  

  • 线性表的长度

  • 表头(head)

  • 表尾(tail)

  • 当前位置(current position)

2.1.2 线性表存储结构

2.1.2.1 线性表分类(按存储)

线性表 
- 所有表目都是同一类型结点的线性表 
- 不限制操作形式 
- 根据的不同分为：顺序表，链表 

线性表的存储结构

• 顺序表 
  

  • 按索引值从小岛大存放在一片相邻的连续区域

  • 紧凑结构，存储密度为1 
    

• 链表 
  

  • 单链表 
    

  • 双链表 
    

  • 循环链表 
    

2.1.2.2 线性表分类(按操作)

• 线性表 
  

  • 不限制操作

• 栈 
  

  • 在同一端操作 
    

• 队列 
  

  • 在两端操作（插入操作在表的一端，删除操作在另一端）

2.1.3 线性表运算

• 建立线性表

• 清除线性表

• 插入一个新元素

• 删除某个元素

• 修改某个元素

• 排序

• 检索

  

2.2 顺序表

• 也称向量，采用定长的一维数组存储结构

• 主要特征 
  

  • 元素的类型相同

  • 元素顺序地存储在连续存储空间中，每一个元素有唯一的索引值

  • 使用常数作为向量长度

• 数组存储

• 读写其元素很方便，通过下标即可指定位置 
  

  • 只要确定首地址，线性表中任意数据元素都可以随机存取

  • 元数据地址计算如下所示： 
    

顺序表的运算

重点讨论

• 插入元素运算

  • bool insert(const int p,const T value);

• 删除元素运算

  • bool delete(const int p);

插入元素运算

删除元素运算

顺序表插入运算的算法分析

• 表中元素的移动 
  

  • 插入：移动n-i

  • 删除：移动n-i-1个

• i的位置插入和删除的概率分别是 
  

  • 插入的平均移动次数为 
    

  • 删除的平均移动次数为 
    

2.3 链表(linked list)

• 通过指针把它的一串存储节点链接成一个链

• 存储结点由两部分组成： 
  

  • 数据域+指针域(后继地址) 
    

分类（根据链接方式和指针多幂）

• 单链 
  

• 双链 
  

• 循环链 
  

2.3.1 单链表

• 简单的链表 
  

  • 整个单链表：head

  • 第一个节点：head

  • 空表判断：head==NULL

  • 当前节点a：curr

• 带头节点的单链表 
  

  • 整个单链表：head

  • 第一个结点：head->next,head不等于NULL

  • 空表判断： head -> next==NULL

查找单链表中第i个结点

单链表的插入

• 创建新结点

• 新结点指向右边的结点

• 左边节点指向新结点 
  

单链表的删除

从链表中删除结点x

1. 用p指向元素x的结点的前驱结点

2. 删除元素为x的结点

3. 释放x占据的空间

   

单链表上运算的分析

• 对一个结点操作，必先找到它，即用一个指针指向它

• 单链表中任一结点，都必须从第一个点开始 
  p=head； 
  while(没有达到) p=p->next;

• 单链表的时间复杂度O(1) 
  

  • 定位：O(n)

  • 插入：O(n)+O(1)

  • 删除：O(n)+O(1)

2.3.2 双链表

为弥补单链表的不足，而产生双链表

• 单链表的next字段仅仅指向后继结点，不能有效地找到前驱，反之亦然

• 增加一个指向前驱的指针 
  

双链表及其结点类型的说明

双链表插入过程（注意顺序）

删除过程

2.3.3 循环表

• 将单链表或者双链表的头尾结点链接起来，就是一个循环链表

• 不增加额外存储花销，却给不少操作带来了方便 
  

  • 从循环表中任一结点出发，都能访问到表中其他结点 
    

链表的边界问题

• 几个特殊点的处理 
  

  • 头指针处理

  • 非循环链表尾结点的指针域保持为NULL

  • 循环链表尾结点的指针回指头结点

• 链表处理 
  

  • 插入

  • 查找或遍历

  • 空链表的特殊处理

  • 插入或删除结点时指针勾链的顺序

  • 指针移动的正确性 
    

2.4 线性表实现方法的比较

• 顺序表的主要优点

  • 没有使用指针，不要花费额外开销

  • 线性表元素的读访问非常简洁便利

• 链表的主要优点

  • 无需事先了解线性表的长度

  • 允许线性表的长度动态变化

  • 能够适应经常插入输出内部元素的情况

• 总结 
  

  • 顺序表是存储静态数据的不二选择

  • 链表是存储动态变化数据的良方

顺序表和链表的比较

• 顺序表 
  

  • 插入、删除运算时间代价O(n),查找则可常数时间完成

  • 预先申请给定长度的连续空间

  • 如果整个数组元素很满，则没有结构性存储开销

• 链表 
  

  • 插入、删除运算时间代价O(1),但找第i个元素运算时间代价O(n)

  • 存储利用指针。动态地按照需要为表中的元素分配存储空间

  • 每个元素都有结构性存储开销

顺序表和链表存储密度

n 表示线性表中当前元素的数目， 
p 表示指针的存储单元大小（通常为4bytes） 
E 表示数据元素的存储单元大小 
D 表示可以在数组中存储的线性表元素的最大数目

• 空间需求 
  

  • 顺序表的空间需求为DE

  • 链表的空间需求为n(P+E)

• n的临界值，即n>DE/(P+E)

  应用场合的选择

  • n越大，顺序表的空间效率就更高

  • 如果P=E，则临界值为n=D/2

• 顺序表不适用的场合 
  

  • 经常插入删除是，不宜使用顺序表

  • 线性表的最大长度也是一个重要因素

• 链表不适用的场合 
  

  • 当读操作比插入删除操作频率大时，不应选择链表

  • 当指针的存储开销，和整个结点内容所占空间相比其比例较大时，应该慎重选择

顺序表和链表的选择

• 顺序表 
  

  • 结点总数目大概可以估计

  • 线性表中结点比较稳定（插入删除少）

  • n > DE / ( P+E )

• 链表 
  

  • 结点数目无法预计

  • 线性表中结点动态变化（插入删除多）

  • n < DE / ( P+E )

约瑟夫问题

n个人围成一个圈，每个人分别标注为1、2、…、n，要求从1号从1开始报数，报到k的人出圈，接着下一个人又从1开始报数，如此循环，直到只剩最后一个人时，该人即为胜利者。例如当n=10,k=4时，依次出列的人分别为4、8、2、7、3、10，9、1、6、5，则5号位置的人为胜利者。

参考：http://blog.csdn.net/lishuzhai/article/details/51125072

---

招聘信息：广州深圳招聘:阿里、腾讯、vivo大数据岗位

---

大数据学习交流QQ群：374038693

更多关于hadoop，spark和机器学习，数据结构与算法文章请关注本文公众号：