我们先来看一个关于查找的例子。查找,就是从复杂的数据结构中,找到满足某个条件的元素。通常可从以下两个方面来对数据进行查找操作:
- 根据元素的位置或索引来查找;
- 根据元素的数值特征来查找。
针对上述两种情况,我们分别给出例子进行详细介绍。
1. 从数组中找元素
例 1,我们来看第二个例子,对于一个数组,找到数组中的第二个元素并输出。
这个问题的处理很简单。由于数组本身具有索引 index
,因此直接通过索引就能查找到其第二个元素。别忘了,数组的索引值是从 0 开始的,因此第二个元素的索引值是 1 。不难发现,因为有了 index
的索引,所以我们就可以直接进行查找操作来,这里的时间复杂度为 O(1)
。
2. 从链表中找元素
例 2,我们来看第二个例子,如果是链表,如何找到这个链表中的第二个元素并输出呢?
链表和数组一样,都是 O(n)
空间复杂度的复杂数据结构。但其区别之一就是,数组有 index
的索引,而链表没有。链表是通过指针,让元素按某个自定义的顺序“手拉手”连接在一起的。
既然是这样,要查找其第二个元素,就必须要先知道第一个元素在哪里。以此类推,链表中某个位置的元素的查找,只能通过从前往后的顺序逐一去查找。不难发现,链表因为没有索引,只能“一个接一个”地按照位置条件查找,在这种情况下时间复杂度就是 O (n)
。
3. 查找数值
例 3,我们再来看第三个例子,关于数值条件的查找。
我们要查找出,数据结构中数值等于 5 的元素是否存在。这次的查找,无论是数组还是链表都束手无策了。唯一的方法,也只有按照顺序一个接一个地去判断元素数值是否满足等于 5 的条件。很显然,这样的查找方法时间复杂度是 O(n)
。那么有没有时间复杂度更低的方式呢?答案当然是:有。
我们采用的方法是,把数组转变为字典,以保存元素及其出现次数的 k-v
映射关系。而在每次的循环中,都需要对当前遍历的元素,去查找它是否在字典中出现过。这里就是很实际的按照元素数值查找的例子。如果借助字典的数据类型,这个例子的查找问题,就可以在 O(1)
的时间复杂度内完成了。
4. 新增数据
例 4,我们再来看第四个例子,关于复杂数据结构中新增数据,这里有两个可能:
- 第一个是在这个复杂数据结构的最后,新增一条数据;
- 第二个是在这个复杂数据结构的中间某个位置,新增一条数据。
这两个可能性的区别在于,新增了数据之后,是否会导致原有数据结构中数据的位置顺序改变。接下来,我们分别来举例说明。
在复杂数据结构中,新增一条数据。假设是在数据结构的最后新增数据。此时新增一条数据后,对原数据没有产生任何影响。因此,执行的步骤是:
- 首先,通过查找操作找到数据结构中最后一个数据的位置;
- 接着,在这个位置之后,通过新增操作,赋值或者插入一条新的数据即可;
如果是在数据结构中间的某个位置新增数据,则会对插入元素的位置之后的元素产生影响,导致数据的位置依次加 1 。例如,对于某个长度为 4 的数组,在第二个元素之后插入一个元素。则修改后的数组中,原来的第一、第二个元素的位置不发生变化,第三个元素是新插入的元素,第四、第五个元素则是原来的第三、第四个元素。
5. 删除数据
我们再来看看删除。在复杂数据结构中删除数据有两个可能:
- 第一个是在这个复杂数据结构的最后,删除一条数据;
- 第二个是在这个复杂数据结构的中间某个位置,删除一条数据;
这两个可能性的区别在于,删除了数据之后,是否会导致原有数据结构中数据的位置顺序改变。由于删除操作和新增操作高度类似,就不再举详细阐述了。
6. 综合操作
例 5,在某个复杂数据结构中,在第二个元素之后新增一条数据。随后再删除第 1 个满足数值大于 6 的元素。我们来试着分析这个任务的数据操作过程。这里有两个步骤的操作:
- 第一步,在第二个元素之后新增一条数据。这里包含了查找和新增两个操作,即查找第二个元素的位置,并在数据结构中间新增一条数据;
- 第二步,删除第 1 个满足数值大于 6 的元素。这里包含查找和删除两个操作,即查找出第 1 个数值大于 6 的元素的位置,并删除这个位置的元素。
因此,总共需要完成的操作包括,按照位置的查找、新增和按照数据数值的查找、删除。
7. 总结
数据处理的基本操作只有 3 个,分别是增、删、查。
- 增和删又可以细分为在数据结构中间的增和删,以及在数据结构最后的增和删。区别就在于原数据的位置是否发生改变;
- 查找又可以细分为按照位置条件的查找和按照数据数值特征的查找;
几乎所有的数据处理,都是这些基本操作的组合和叠加,其中涉及修改的操作可以看做是删除和新增来完成。
参考:
https://kaiwu.lagou.com/course/courseInfo.htm?courseId=185#/detail/pc?id=3341