数据结构为何重要（《数据结构与算法图解》by 杰伊•温格罗）

本文内容借鉴一本我非常喜欢的书——《数据结构与算法图解》。学习之余，我决定把这本书精彩的部分摘录出来与大家分享。

---

基础数据结构：数组

数组是计算机科学中最基本的数据结构之一。如果你用过数组，那么应该知道它就是一个含有

数据的列表。它有多种用途，适用于各种场景，下面就举个简单的例子。

在一个超市的应用软件中，其源代码可能会包含以下片段：

char* array[] = { "apples", "bananas", "cucumbers", "dates", "elderberries" };

这就是一个数组，它刚好包含 5 个字符串，每个代表我会从超市买的食物。

此外，我们会用一些名为索引的数字来标识每项数据在数组中的位置。

在大多数的编程语言中，索引是从 0 算起的，因此在这个例子中， "apples" 的索为

0，"elderberries" 的索引为 4，如下所示。

若想了解某个数据结构（例如数组、集合、链表、栈和队列）的性能，得分析程序怎样操作这一

数据结构。一般数据结构都有以下 4种操作。

①读取：查看数据结构中某一位置上的数据。

② 查找：从数据结构中找出某个数据值的所在。

③插入：给数据结构增加一个数据值。

④删除：从数据结构中移走一个数据值。

本章我们将会研究这些操作在数组上的运行速度。

请切记贯穿本书的一个重要理论： 操作的速度并不按照时间计算，而是按照步数计算。

为什么呢？

简单理解为：同样的一个操作，在我这用了好久的二手笔记本上可能需要跑10秒，但在一台超级量

子计算机上可能用“一瞬间”的时间。

所以，评估一个操作的快慢不能依赖于运行时间，而是它操作的步数。

此外，操作的速度，又称为时间复杂度。

接下来我们就一起看看上述四种操作在数组上要花费多少步。

---

1.读取

读取，即查看数组中某个索引所指的数据值。

这只要一步就够了，因为计算机本身就有跳到任一索引位置的能力。

例如：

printf("%s\n", array[0]);//打印数组索引0处的值，其值应为apples
printf("%s\n", array[2]);//打印数组索引2处的值，其值应为cucumbers

计算机为什么能一步到位呢？原因如下。

计算机的内存可以被看成一堆格子，格子中的数字代表每个格子的地址编号（就像宿舍楼里，每个

宿舍都有各自的宿舍号），且这些地址是连续的。

当程序声明一个数组时，它会先划分出一些连续的空格子以备使用。换句话说，如果你想创建一个

包含 5个元素的数组，计算机就会找出 5个排成一行的空格子，将其当成数组。

购物清单数组的索引和内存地址，如下图所示。

计算机之所以在读取数组中某个索引所指的值时，能直接跳到那个位置上，是因为它具备以下条件。

(1) 计算机可以一步就跳到任意一个内存地址上。（就好比，要是你知道大街 123号在哪儿，那么就可以直奔过去。

(2) 数组本身会记有第一个格子的内存地址，因此，计算机知道这个数组的开头在哪里。

(3) 数组的索引从 0算起。

回到刚才的例子，当我们叫计算机读取索引 2 的值时，它会做以下演算。

(1) 该数组的索引从 0算起，其开头的内存地址为 1010。

(2) 索引 2 在索引 0 后的第 2 个格子上。

(3) 于是索引 2 的内存地址为 1012，因为 1010 + 2 = 1012。

当计算机一步跳到 1013时，我们就能获取到 "cucumbers" 这个值了。 

所以，数组的读取是一种非常高效的操作，因为它只要一步就好。一步自然也是最快的速度。

这种一步读取任意索引的能力，也是数组好用的原因之一。

---

2.查找

如前所述，对于数组来说，查找就是检查它是否包含某个值，如果包含，还得给出其索引。那么，

我们就试试在数组中查找 "dates" 要用多少步。

对于我们人来说，可以一眼就看到这个购物清单上的 "dates" ，并数出它的索引为 3。

但是，计算机并没有眼睛，它只能一步一步地检查整个数组。想要查找数组中是否存在某个值，计

算机会先从索引 0开始，检查其值，如果不匹配，则继续下一个索引，以此类推，直至找到为止。

我们用以下图来演示计算机如何从购物清单中查找 "dates" 。

首先，计算机检查索引 0。

因为索引 0的值是 "apples" ，并非我们所要的 "dates" ，所以计算机跳到下一个索引上。

索引 1也不是 "dates" ，于是计算机再跳到索引 2。

但索引 2 的值仍不匹配，计算机只好再跳到下一格。

到此为止，"dates"已经被找到，我们返回它的值以及它的索引 3 。

在这个例子中，因为我们检查了 4个格子才找到想要的值，所以这次操作总计是 4步。

这种逐个格子去检查的做法，就是最基本的查找方法——线性查找。

到此为止，我们再思考一下，在数组上进行线性查找最多要多少步呢？ 

如果我们要找的值刚好在数组的最后一个格子里（如本例的 elderberries ），那么计算机从头到尾

检查每个格子，会在最后才找到。

同样，如果我们要找的值并不存在于数组中，那么计算机也还是得查遍每个格子，才能确定这个值

不在数组中。

于是，一个 5格的数组，其线性查找的步数最大值是 5，而对于一个 500格的数组，则是 500。

以此类推，一个 N格的数组，其线性查找的最多步数是 N（N可以是任何自然数）。

可见，无论是多长的数组，查找都比读取要慢，因为读取永远都只需要一步，而查找却可能需要多

步。

char* array[] = { "apples", "bananas", "cucumbers", "dates", "elderberries" };
//查找dates
int sz = sizeof(array) / sizeof(array[0]);
for (int i = 0; i < sz; i++)
{
	if (strcmp("dates", array[i])==0)
	{
		printf("找到了，其索引为：%d\n", i);
		break;
	}
}

3.插入

往数组里插入一个新元素的速度，取决于你想把它插入到哪个位置上。

假设我们想要在购物清单的末尾插入 "figs" 。那么只需一步（回忆计算机访问内存的特点）。

char* array[6] = { "apples", "bananas", "cucumbers", "dates", "elderberries" };
//在末尾插入"figs"
array[5] = "figs";

但在数组开头或中间插入，就另当别论了。这种情况下，我们需要移动其他元素以腾出空间，

于是得花费额外的步数。

例如往索引 2处插入 "figs" ，如下所示。

第 1步： "elderberries" 右移。 

第 2步： "date" 右移。 

第 3步： "cucembers" 右移。

第 4步：至此，可以在索引 2处插入 "figs" 了。 

如上所示，整个过程有 4步，开始 3步都是在移动数据，剩下 1步才是真正的插入数据。

最低效（花费最多步数）的插入是插入在数组开头。因为这时候需要把数组所有的元素都往右移。

于是，一个含有 N个元素的数组，其插入数据的最坏情况会花费 N + 1步。即插入在数组开头，导

致 N次移动，加上一次插入。

---

4.删除

数组的删除就是消掉其某个索引上的数据。

我们找回最开始的那个数组，删除索引 2上的值，即 "cucumbers" 。

第 1步：删除 "cucumbers" 。

虽然删除 "cucumbers" 好像一步就搞定了，但这带来了新的问题：

数组中间空出了一个格子。因为数组中间是不应该有空格的，所以，我们得把 "dates" 和 "elderberries" 往左移。 

第 2步：将 "dates" 左移。

第 3步：将 "elderberries" 左移。 

结果，整个删除操作花了 3步。其中第 1步是真正的删除，剩下的 2步是移数据去填空格。

所以，删除本身只需要 1步，但接下来需要额外的步骤将数据左移以填补删除所带来的空隙。跟插

入一样，删除的最坏情况就是删掉数组的第一个元素。因为数组不允许空元素，当索引0空出，那

么剩下的所有元素都要往左移去填空。 

可以推出，对于含有 N个元素的数组，删除操作最多需要 N步。

既然学会了如何分析数据结构的时间复杂度，那就可以开始探索各种数据结构的性能差异了。了解

这些非常重要，因为数据结构的性能差异会直接造成程序的性能差异。

---

总结

理解数据结构的性能，关键在于分析操作所需的步数。采取哪种数据结构将决定你的程序是

能够承受住压力，还是崩溃。

不同的数据结构有不同的时间复杂度，类似地，不同的算法（即使是用在同一种数据结构

上）也有不同的时间复杂度。既然我们已经学会了时间复杂度的分析方法，那么现在就可以用它来

对比各种算法，找出能够发挥代码极限性能的那个。

这正是下一章所要讲的。