一、常用數據結構說明

開篇第一章,介紹一下常見的數據結構,之后的章節介紹常見的算法解題框架

1、數組

? ? ? ? 優點:內存連續,查找效率高,為O(1)

????????缺點:內存連續,因此插入/刪除時間復雜度高,為O(n)

2、鏈表

????????優點:內存不連續,插入/刪除時間復雜度低,為O(1)

????????缺點:內存不連續,因此查找時間復雜度高,為O(n)

3、棧Stack

????????先入后出(FILO);可以通過數組/鏈表實現;兩個棧,一個入棧,一個出棧,可以模擬隊列操作。

4、隊列Queue

????????先入先出(FIFO);可以通過數組/鏈表實現;常用于消息隊列;

5、優先隊列PriorityQueue

????????先入按照優先級出(FIFO);可以通過堆Heap(Binary、Binomial、Fibonacci)/二叉搜索樹(Binary Search Tree)實現,一般不會考如何實現,現在優先隊列都納入了標準庫中,了解實現機制即可;

6、堆Heap


堆各種實現性能對比

7、映射(Map)&集合(Set)

映射(Map)&集合(Set)一般由哈希/二叉樹實現,需要先了解HashTable & Hash Function & Hash Collisions。哈希: key經過Hash Function 處理后,O(1)的時間復雜度在HashTable(一般維數組) 找到數據所在的位置。Hash?Collisions的一種解決方式為拉鏈法:沖突后在HashTable 元素后面掛鏈表來存放位置沖突的元素。

List & 映射(Map) & 集合(Set)的區別:List 元素可重復,一般用數組/鏈表實現;?映射(Map)是key/value映射關系,一般用哈希(O(1))/樹(O(logn))實現,比數組查找效率高;集合(Set)與List 比,元素不可重復,一般用哈希(O(1))/樹(O(logn))實現,比數組查找效率高;

映射(Map)常用實現有兩種:HashMap、TreeMap,查找數據時間復雜度為O(1),但是數據是無序存放的;集合(Set)常用實現有兩種:HashSet、TreeSet,查找數據時間復雜度為O(logn),但是數據是有序存放的;

各種數據結構時間復雜度對比

8、

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,238評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,430評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,134評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,893評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,653評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,136評論 1 323
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,212評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,372評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,888評論 1 334
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,738評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,939評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,482評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,179評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,588評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,829評論 1 283
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,610評論 3 391
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,916評論 2 372

推薦閱讀更多精彩內容