算法和数据结构理解

什么是数据结构

• Data Structure
• 存储数据的不同方式
  如果有一些数组需要存储起来，我们可以采用不同的方式。比如，把这几个数挨着排在一起，中间没有空隙，每一个存储单元大小都一样，这种数据结构就是数组的形式。另外还有一种，每一个单元除了存储自己的数据之外还存储着下一个单元的指针，指向下一个数据的地址，这种数据结构就是链表。

什么是算法

• 简单讲就是同一个问题的不通解决方式
• 算法往往是针对特定数据结构的

1. 插入一条数据在两种数据结构中的不同：
   如果我们想在一个链表数据结构的两个数据3和7之间插入一个新的数据1，这时候的算法应该是把3和7之间的指针打断，然后把3的指针指向1，同时把1的指针指向7，构成新的链条，这样就完成了链表的数据插入了。
   如果想在一个数组中进行插入操作就比较复杂了，因为数组的数据之间是没有空隙的。我们需要开辟一块新的空间，需要比原来的空间大1。然后从要插入的位置从前后切断分为两部分，首先把前面的放入新的空间，接下来在放入要插入的数据，最后把后面部分放到新的空间，完成数组的插入。
2. 查询一条数据在两种数据结构中的不同：
   如果我们需要查询第六条数据，那么在链表中我们需要从第一个数开始顺着链条依次查找，直到找到第六个数。而在数组中，我们只要知道第一个数开始的位置和每个单元格的大小，往后根据偏移量跨越就可以得到。

• 总结：
  在链表中插入数据效率更高，而查找数据则使用数组更方便。每种数据结构都有自己的优势，选择什么样的数据结构，需要根据特定的问题来确定。

判断算法优劣的两种方式（通常用Big O来表示）

• 时间测算
  即时间复杂度。表示随着数据（问题）规模的扩大，时间的变化规律。
  访问数组某个位置的值，它的时间复杂度是O(1)，因为不管数据变得多大，访问某个位置需要计算的都是一个偏移量。O(1)表示时间复杂度是常数，不会随着数据规模的扩大而发生改变。
  访问链表的某个位置的值，它的时间复杂度是O(n)，因为当链表的数据变多时，访问某个位置需要的时间都会线性增长。O(n)表示时间复杂度会随着数据规模的增大而线性增长。因为时间复杂度通常计算的是在最坏情况下需要花费的时间。

• 空间测算
  即空间复杂度。表示随着数据（问题）规模的扩大，空间的变化规律。