数据结构
数据结构
决定数据存储于内存时数据顺序和位置关系
链表
蓝黄红三个字符串被存储在链表中，每个数据都有存储一个指向下一个数据内存地址的“指针”
因为有指针索引，链表结构的数据可以分散在存储空间中，无需连续。
也因存储是分散的，如果要访问数据，只能从第一个数开始向下逐个访问。
比如要找到红就要蓝→黄→红
链表指针
得益于有指针指向，若要在链表中加入数据，只需要改变插入位置前后的指针就可以
比如在蓝黄间加入绿，只要把绿指针指向黄，蓝指针指向绿
链表插入
要删除时，比如删除黄只要把绿指针由黄改为指向红，黄不变等日后被覆盖即可
查找时间复杂度O(n)
添加时间复杂度O(1)
--------------------------------------------------------------------------------
数组
在数组中数据按顺序存储在内存的连续空间内，每个数据的内存地址可以通过数组下标算出，可以随机访问目的数据
随机访问
相比可以方便的随机访问，要在数组中添加数据就比较复杂了
比如要在数组的蓝黄之间添加绿
首先在数组末尾添加所要增加的存储空间
再把已有的数据一个个往后移
最后在空出来的位置上写入
数组插入
同样删除绿，先将绿移除，再将后面的数据一个个往前移，最后删除多余的空间
查找时间复杂度O(1)
添加时间复杂度O(n)
--------------------------------------------------------------------------------
栈
在栈这种结构中，我们只能访问最新添加的数据，就像一堆东西层层叠放，只能从最上面拿取。
栈形象
往栈里添加数据的操作，入栈push；从栈中取出数据的操作，出栈pop。
这种就叫后进先出的结构，Last In First Out (LIFO)
在栈中，添加和删除数据的操作只能在一端进行，访问数据也只能访问到顶端的数据。
栈出入
--------------------------------------------------------------------------------
队列
队列顾名思义，就像是排成一 队的人。在队列中，处理总是从第一名开始往后进行，而新来的人只能排在队尾
队列形象
往队列里添加数据的操作，入队；从队列中取出数据的操作，出队
这种就叫先进先出的结构，First In First Out (FIFO)
队列出入
在栈中，数据的添加和删除都在同一端进行，而在队列中则分别是在两端进行的。
队列也不能直接访问位于中间的数据，必须通过出队操作将目标数据变成首位后才能访问
--------------------------------------------------------------------------------
哈希表
哈希表存储由键值组成，key、value。比如在这里把姓名为键，把性别为值。
哈希表
如果这些键值对存储在数组中，为了检索到Ally的性别，在数组中只能重头开始查询。
线性查找
数据量越多，这种线性查找所耗费的时间就越长。所以说数据的查询较为耗时，不是大量存储
在哈希表中，
首先准备好数组，用哈希函数计算每个数据的键，得到字符串的哈希值，
再将得到的哈希值除以数组的长度，求的余数即mod运算，
最后将数据存放相应的数组位置中
若存储位置重复，则可以使用链表在已有的数据后面存储
哈希录入
查询哈希表中的数据时为 了找到它的存储位置，先要算出键的哈希值，再对其进行mod运算，最终得到的结果。若所对应的还不是目标，则在其所在的链表中继续线性查找。
哈希查找
--------------------------------------------------------------------------------
堆
堆是一种图的树形结构，被用于实现“优先队列”（priority queues）
优先队列是一种数据结构，可以自由添加数据，但取出数据时要从最小值开始按顺序取出。
堆形象
在堆的树形结构中，各个顶点被称为“结点”（node），数据就存储在这些结点中。
结点内的数字就是存储的数据
堆中的每个结点最多有两个子结点
树的形状取决于数据的个数
结点的排列顺序为从上到下，同一行里则为从左到右。
在堆中存储数据时必须遵守：子结点必定大于父结点，因此，最小值被存储在顶端的根结点中。
往堆中添加数据时，为了遵守这条规则，一般会把新数据放在最下面一行靠左的位置。当最下面一
行里没有多余空间时，就再往下另起一行， 把数据加在这一行的最左端。如果父结点大于子结点，则不符合规则，因此需要交换父子结点的位置。
堆插入
从堆中取出数据时，取出的是最上面的数据。这样，堆中就能始终保持最上面的数据最小。
当最上面的数据被取出，堆的结构要重新调整。
先将最后的数据移动到最顶端
如果子结点的数字小于父结点，则将父结点和左右两个结点中较小的一个进行交换。重复操作直到数据都符合规则，不再需要交换为止。
取出最小值的时间复杂度 O(1)
重构树的时间复杂度 O(logn)
添加数据需要的运行时间与树的高度成正比，也是 O(logn)
堆导出
--------------------------------------------------------------------------------
二叉查找树
二叉查找树采用了图的树形结构，数据存储于二叉查找树的各个结点中
二叉查找树有两个性质。
第一个是每个结点的 值均大于其左子树上任意一个结点的值。
比如结点9大于其左子树上的3和8。同样，结点15也大于其左子树上任意一个结点的值。
第二个是每个结点的值均小于其右子树上任意 一个结点的值。比如结点 15 小于其右子树上的 23、17和28。
所以二叉查找树的最小结点要从顶端开始，往其左下的末端寻找。
反过来，二叉查找树的最大结点要从顶端开始，往其右下的末端寻找。
若要往二叉查找树中添加数
首先，从二叉查找树的顶端结点开始寻找添加数字的位置。将想要添加的1与该结点中的值进行比较，小于它则往左移，大于它则往右移。
如果需要删除的结点没有子结点，直接删掉该结点即可
如果需要删除的结点只有一个子结点，那么先删掉目标结点，然后把子结点移到被删除结点的位置上即可。
如果需要删除的结点有两个子结点，那么先删掉目标结点，然后在被删除结点的左子树中寻找最大结 点，最后将最大结点移到被删除结点的位置上。
在二叉查找树中查找结点，从二叉查找树的顶端结点开始往下查找，小于该结点的值则往左移，大于则往右移。
--------------------------------------------------------------------------------
