初步了解内存机制

　　对于计算机来说，存储数据时通过申请内存来实现的，如果我们的数据是水的话，内存就是容器。对于int型的数据，需要以32bit大小的内存存储，对于字符串类型的需要8bit个单位大小的内存。

　　

　　但是申请内存的时候到底是一个什么样的机制呢？或者是怎么保存的机制呢？我们还是以水和容器的例子来表达。在计算机中，内存是存在地址的，或者说是，容器是按照一定的顺序排列好的。当你申请需要存储的时候，就会给系列的容器。对于计算机来说，申请内存是需要耗费比较多的时间的是，所以如果我们能合理的根据我们的数据的大小，一次性给予一个合适大小的内存，或者申请内存的次数少一些，那么对于内存使用的效率来说是有极大的好处的。

　　所以我们可与i使用这样的方法，申请一部分内存，头部的两个节点用于保存和这部分内存信息相关的内容

 

这样我们就知道了我们申请了多大的内存，以及已经使用了多大的内存。

　　此时，我们考虑另外一个问题，如果内存里面存储的数据的类型是不一致的呢？例如，0位置储存的是int型，1位置存储的是str类型的，那么占据的内存大小就不一样了，他们的地址就不是均匀递增的了。通俗来说，还是容器里面放水，如果我们设定的是每八个容器里放的就是同一种溶液，这样我们要找某种溶液，直接在第一种溶液的位置的基础上加n个8的就可以找到了。但是如果数据类型不一样，第一种溶液需要8个容器，第二种溶液需要16个，第三个需要4个，这样就很繁琐了，我们无法通过地址取找到对应的溶液。

　　由此，就引入了另外一种方式，叫做元素外置。我们将容器划分为两部分，第一部分用来存放地址，第二部分用来存放我们需要用的数据。怎么理解呢？我们知道，容器的地址也是int型的。我们可以先将存储的int型数据，str型数据，float型数据的地址全都提出来，然后将所以的地址全都放进容器里，这样就可以通过查找连续的地址，阿里找到对应的元素。

　　在解决了这个问题的基础上，我们考虑一下对内存里面的数据进行操作时候的难易程度，也就是时间复杂度。

• 查找下标为i的元素：知道地址可以直接访问，时间复杂度为O(1).
• 遍历操作：把所有元素都访问一遍，时间复杂度为O(n)。
• append:末尾添加一个元素/复杂度为o（1）.
• pop（）：去掉末尾元素，直接访问最后一个元素，时间复杂度为o（1）.
• pop（i）：考虑最坏时间复杂度，也就是将第一个元素出来去掉，那么后面的所有的元素都要往前移动一个空格。时间复杂度为（n）。
• insert（i，item）：在某个地址插入一个元素。也是考虑最坏时间复杂度。第一个位置插入一个元素，复杂度为n。
• contains（item）：看是否包含某个元素。需要做一个遍历，时间复杂度为n。
• get slice（x：y）：取地址x到y部分的元素。时间复杂度为（x-y）。
• set slice：设置某部分元素。考虑最坏时间复杂度，先设置前k个元素，原来的元素全部往后移动，所以时间复杂度为n+k。
• reverse：反转。时间复杂度为n。
• multiply：n个元素，乘以k个数。时间按复杂度为n*k。
• concatenate：代表使用的+, 把两个列表加到一起, k是第二个列表中的元素个数。时间复杂度为k。
•  sorted：时间复杂度为nlogn。留疑问。

到目前来说，我们能发现，数据结构是用来研究如果更加高效的使用内存的一种工具，交叉了数学和信息这两个学科。但是这对于里面我们后面的算法有至关重要的作用。