qq_43205256的博客

链表，别名链式存储结构或单链表，用于存储逻辑关系为 "一对一" 的数据。与顺序表不同，链表不限制数据的物理存储状态，换句话说，使用链表存储的数据元素，其物理存储位置是随机的。例如，使用链表存储{1,2,3}，数据的物理存储状态如图 1 所示：图 1 链表随机存储数据我们看到，图 1 根本无法体现出各数据之间的逻辑关系。对此，链表的解决方案是，每个数据元素在存储时都配备一个指针，用于指向自己的直接后继元素。如图 2 所示：图 2 各数据元素配备指针像图 2 这样，数据元.

顺序表插入元素向已有顺序表中插入数据元素，根据插入位置的不同，可分为以下 3 种情况：插入到顺序表的表头； 在表的中间位置插入元素； 尾随顺序表中已有元素，作为顺序表中的最后一个元素；虽然数据元素插入顺序表中的位置有所不同，但是都使用的是同一种方式去解决，即：通过遍历，找到数据元素要插入的位置，然后做如下两步工作：将要插入位置元素以及后续的元素整体向后移动一个位置； 将元素放到腾出来的位置上；例如，在{1,2,3,4,5}的第 3 个位置上插入元素 6，实现过程如下：因此..

顺序表，全名顺序存储结构，是线性表的一种。通过《什么是线性表》一节的学习我们知道，线性表用于存储逻辑关系为“一对一”的数据，顺序表自然也不例外。不仅如此，顺序表对数据的物理存储结构也有要求。顺序表存储数据时，会提前申请一整块足够大小的物理空间，然后将数据依次存储起来，存储时做到数据元素之间不留一丝缝隙。例如，使用顺序表存储集合{1,2,3,4,5}，数据最终的存储状态如图 1 所示：图 1 顺序存储结构示意图由此我们可以得出，将“具有 '一对一' 逻辑关系的数据按照次序连续存储到一整.

通过前面的学习我们知道，具有“一对一”逻辑关系的数据，最佳的存储方式是使用线性表。那么，什么是线性表呢？线性表，全名为线性存储结构。使用线性表存储数据的方式可以这样理解，即“把所有数据用一根线儿串起来，再存储到物理空间中”。图 1 "一对一"逻辑关系的数据如图 1 所示，这是一组具有“一对一”关系的数据，我们接下来采用线性表将其储存到物理空间中。首先，用“一根线儿”把它们按照顺序“串”起来，如图 2 所示：图 2 数据的"线性"结构图 2 中，左侧是“串”起来的数据，右侧是空闲的..

通过前面的学习我们知道，数据结构并不是一门具体的编程语言，它教会我们的是一种思维方式，即如何以更优的方式存储数据。或者正是由于这个原因，很多读者感觉数据结构虚无缥缈，无法触及，不如学习 Python、Java 等这些编程语言可以随学随用、掷地有声，久而久之觉得学习数据结构没用。那么，数据结构真的无用吗？当然不是。作为计算机专业最重要的必修学科之一，计算机专业考研的必考知识，以及众多 IT 公司笔、面试的侧重考点，仅仅这些光环，就足以说明学习数据结构的重要性。毋庸置疑，数据结构不仅有用，更应该是每个程序员

很多初学者自认数学基础不好，怀疑这将是学习数据结构不可逾越的大山，对学习数据结构没有足够的信心。总的来说，数学基础不是学习数据结构的必备条件，但好的数据基础对学习数据结构大有助益。这个问题，其实和“英语不好，可以学习编程吗？”同属一类。不可否认，英语基础好对于学习编程确实是很有帮助的，但它并不是学习编程不可跨越的鸿沟。事实上，只有从优秀程序员跃升为顶尖程序员时，英文基础（需要阅读一些英文资料）的桎梏才会凸显出来，但也并非无法克服。数学和数据结构之间的关系也是如此。注意，英语基础薄弱并不等价于英语 0 基

自从数据结构教程发布以来，很多读者向我询问应该如何自学数据结构，或者怎么才能学好数据结构和算法？本节将结合我的个人经验，给读者介绍一些学习数据结构和算法的方法，帮大家规避一些学习数据结构和算法过程中可能会踩的坑。首先我认为，学习数据结构和算法有一个很重要的前提，就是至少熟练掌握一门编程语言。学习数据结构和算法，实践是非常重要的，如果仅仅是空有理论而不实践，反复学多少遍都没用。本教程以 C 语言作为教学语言，当然读者也可以在掌握 C++、Java、Python 等语言的基础上学习数据结构和算法。因为无论是

由于大量数据结构教程中都将数据结构的知识和算法掺杂起来讲，使很多初学者认为数据结构就是在讲算法，这样理解是不准确的。数据结构和算法之间完全是两个相互独立的学科，如果非说它们有关系，那也只是互利共赢、“1+1>2”的关系。最明显的例子，如果你认为数据结构是在讲算法，那么大学我们还学《算法导论》，后者几乎囊括了前者使用的全部算法，有什么必要同时开设这两门课程呢？我们还可以从分析问题的角度去理清数据结构和算法之间的关系。通常，每个问题的解决都经过以下两个步骤：分析问题，从问题中提取出有价值的数据，

在学习具体的数据结构和算法之前，每一位初学者都要掌握一个技能，即善于运用时间复杂度和空间复杂度来衡量一个算法的运行效率。所谓算法，即解决问题的方法。同一个问题，使用不同的算法，虽然得到的结果相同，但耗费的时间和资源肯定有所差异。就比如拧一个螺母，扳手和钳子都可以胜任，但使用钳子拧螺母肯定没有扳手的效率高。图 1 解决问题的方式有多种这也就意味着，如果解决问题的算法有多种，我们就需要从中选出最好的那一个。那么，怎么判断哪个算法更好（或者更优）呢？“好”算法的标准解决一个问题的.

《数据结构有哪些》一节讲到，数据的存储方式可分为线性表、树和图三种存储结构，而每种存储结构又可细分为顺序存储结构和链式存储结构。数据存储方式如此之多，针对不同类型的数据选择合适的存储方式是至关重要的。那么，到底如何选择呢？数据存储结构的选择取决于两方面，即数据的逻辑结构和存储结构（又称物理结构）。逻辑结构数据的逻辑结构，简单地理解，就是指的数据之间的逻辑关系。图 1 家庭成员关系图例如，图 1 显示是一张家庭的成员关系图，从图中可以看到，张平、张华和张群是兄弟，他们的父亲是张

123

当你决定看这篇文章，就意味着系统学习数据结构的开始。本节，我们先来讲什么是数据结构。数据结构，直白地理解，就是研究数据的存储方式。我们知道，数据存储只有一个目的，即为了方便后期对数据的再利用，就如同我们使用数组存储{1,2,3,4,5}是为了后期取得它们的值，无缘由的数据存储行为是对存储空间的不负责任。因此，数据在计算机存储空间的存放，决不是胡乱的，这就要求我们选择一种好的方式来存储数据，而这也是数据结构的核心内容。例如，一直以来大家面对的数据存储，都是类似存储 1、2、{a,...