sanbuphy
d0afb042b8
Add detailed documentation and interactive demos for computer fundamentals topics including: - Transistor to CPU architecture - Data encoding, storage and transmission - Operating system concepts (processes, memory, filesystems) - Programming language overview and paradigms - Algorithm and data structure basics Includes Vue component demos for key concepts with visualizations and interactive elements to enhance learning experience. All content is written in Chinese with markdown formatting and embedded components. The commit also updates the sidebar navigation and adds new Vue components for interactive demonstrations of key computer science concepts.
215 lines
7.1 KiB
Markdown
215 lines
7.1 KiB
Markdown
# 数据结构
|
||
|
||
::: tip 🎯 核心问题
|
||
**如何高效地组织和存储数据？** 你可能遇到过这样的困惑：为什么有些程序处理几万条数据很快，有些处理几百条就卡住了？答案往往在于数据结构的选择。本章带你理解常见数据结构的特点和适用场景。
|
||
:::
|
||
|
||
---
|
||
|
||
## 0. 全景图：数据结构是什么？
|
||
|
||
想象你要整理一堆书：
|
||
|
||
- **堆在地上**：找书要一本本翻（链表）
|
||
- **按编号放书架**：直接去对应位置拿（数组）
|
||
- **按类别分柜子**：先找柜子再找书（哈希表）
|
||
- **按书名排序**：二分查找，每次排除一半（树）
|
||
|
||
不同的整理方式，找书的效率天差地别。**数据结构就是数据的"整理方式"**。
|
||
|
||
<DataStructureDemo />
|
||
|
||
**常见数据结构分类：**
|
||
|
||
| 类型 | 特点 | 典型代表 | 适用场景 |
|
||
|------|------|---------|---------|
|
||
| **线性结构** | 数据排成一排 | 数组、链表、栈、队列 | 顺序处理、历史记录 |
|
||
| **哈希结构** | 键值对映射 | 哈希表 | 快速查找、缓存 |
|
||
| **树形结构** | 层次关系 | 二叉树、B树 | 排序、搜索、文件系统 |
|
||
| **图结构** | 网状关系 | 有向图、无向图 | 社交网络、路径规划 |
|
||
|
||
::: tip 📊 逐行解读这张表
|
||
**线性结构**：最简单的数据组织方式，数据一个接一个排列。数组适合随机访问，链表适合频繁插入删除。
|
||
|
||
**哈希结构**：用"键"直接找到"值"，查找速度最快。但需要处理"冲突"问题（两个键映射到同一位置）。
|
||
|
||
**树形结构**：有层次关系的数据。二叉搜索树适合排序和搜索，B树适合磁盘存储（数据库索引）。
|
||
|
||
**图结构**：最复杂的结构，表示任意的关系网络。社交网络、地图导航都用图来建模。
|
||
:::
|
||
|
||
---
|
||
|
||
## 1. 线性结构：最基础的组织方式
|
||
|
||
### 1.1 数组：连续存储
|
||
|
||
::: tip 💡 数组的特点
|
||
**数组**是一块连续的内存空间，每个元素大小相同。
|
||
|
||
**优点**：
|
||
- 随机访问快：`arr[100]` 直接计算地址，O(1)
|
||
- 缓存友好：连续存储，CPU 缓存命中率高
|
||
|
||
**缺点**：
|
||
- 插入删除慢：需要移动后面所有元素，O(n)
|
||
- 大小固定：需要预先分配空间
|
||
|
||
**生活类比**：一排编号的储物柜，每个柜子大小相同。找第 10 号柜子直接去，但要在中间插入一个柜子，后面的都要往后挪。
|
||
:::
|
||
|
||
### 1.2 链表：节点相连
|
||
|
||
::: tip 💡 链表的特点
|
||
**链表**由一系列节点组成，每个节点包含数据和指向下一个节点的指针。
|
||
|
||
**优点**：
|
||
- 插入删除快：只需修改指针，O(1)
|
||
- 大小灵活：可以动态增长
|
||
|
||
**缺点**：
|
||
- 访问慢：要从头开始遍历，O(n)
|
||
- 额外空间：每个节点需要存储指针
|
||
|
||
**生活类比**：寻宝游戏，每个线索指向下一个地点。要找第 10 个线索，必须从第 1 个开始一步步找。
|
||
:::
|
||
|
||
### 1.3 栈和队列：受限的线性结构
|
||
|
||
| 结构 | 规则 | 操作 | 类比 | 应用 |
|
||
|------|------|------|------|------|
|
||
| **栈** | 后进先出 (LIFO) | push/pop | 一摞盘子 | 函数调用、撤销操作 |
|
||
| **队列** | 先进先出 (FIFO) | enqueue/dequeue | 排队买票 | 任务调度、消息队列 |
|
||
|
||
::: tip 💡 为什么要有"受限"的结构？
|
||
栈和队列看起来比数组、链表功能少，但正是这种"限制"让它们有明确的用途：
|
||
|
||
- **栈**：函数调用时，最后调用的函数最先返回
|
||
- **队列**：任务调度时，先来的任务先处理
|
||
|
||
限制带来简洁，简洁带来高效。
|
||
:::
|
||
|
||
---
|
||
|
||
## 2. 哈希表：最快的查找
|
||
|
||
### 2.1 哈希表原理
|
||
|
||
::: tip 💡 哈希表如何工作？
|
||
**哈希表**通过"哈希函数"把键映射到数组索引。
|
||
|
||
**工作流程**：
|
||
1. 输入键（如 "apple"）
|
||
2. 哈希函数计算：`hash("apple") = 3`
|
||
3. 直接去数组索引 3 的位置找
|
||
|
||
**冲突处理**：
|
||
- 两个不同的键可能映射到同一索引
|
||
- 解决方法：链地址法（同一位置用链表存储多个值）
|
||
|
||
**生活类比**：图书馆按书名首字母分柜子。"Apple" 开头的书都放 A 柜，"Banana" 开头的放 B 柜。找书时先确定柜子，再在柜子里找。
|
||
:::
|
||
|
||
### 2.2 哈希表的时间复杂度
|
||
|
||
| 操作 | 平均情况 | 最坏情况 |
|
||
|------|---------|---------|
|
||
| **查找** | O(1) | O(n) |
|
||
| **插入** | O(1) | O(n) |
|
||
| **删除** | O(1) | O(n) |
|
||
|
||
::: warning ⚠️ 什么时候会退化？
|
||
当所有键都映射到同一个索引时，哈希表退化为链表，所有操作变成 O(n)。
|
||
|
||
**避免方法**：
|
||
- 选择好的哈希函数
|
||
- 动态扩容（负载因子超过阈值时扩容）
|
||
:::
|
||
|
||
---
|
||
|
||
## 3. 树：层次结构
|
||
|
||
### 3.1 二叉搜索树
|
||
|
||
::: tip 💡 二叉搜索树的规则
|
||
**二叉搜索树**是一种特殊的二叉树：
|
||
- 左子树的所有值 < 根节点
|
||
- 右子树的所有值 > 根节点
|
||
|
||
**查找过程**：
|
||
1. 从根节点开始
|
||
2. 如果目标值 < 当前值，往左走
|
||
3. 如果目标值 > 当前值，往右走
|
||
4. 每次比较排除一半节点
|
||
|
||
**时间复杂度**：O(log n)，但最坏情况（变成链表）是 O(n)
|
||
:::
|
||
|
||
### 3.2 平衡树
|
||
|
||
为了防止二叉搜索树退化，引入了**平衡树**：
|
||
|
||
| 类型 | 平衡方式 | 特点 |
|
||
|------|---------|------|
|
||
| **AVL 树** | 严格平衡（高度差 ≤ 1） | 查找最快，插入删除稍慢 |
|
||
| **红黑树** | 近似平衡 | 综合性能好，应用最广 |
|
||
| **B 树** | 多路平衡 | 适合磁盘存储，数据库索引 |
|
||
|
||
---
|
||
|
||
## 4. 如何选择数据结构？
|
||
|
||
| 需求 | 推荐结构 | 原因 |
|
||
|------|---------|------|
|
||
| **快速随机访问** | 数组 | O(1) 索引访问 |
|
||
| **频繁插入删除** | 链表 | O(1) 插入删除 |
|
||
| **快速查找** | 哈希表 | O(1) 平均查找 |
|
||
| **有序数据** | 平衡树 | O(log n) 查找，保持有序 |
|
||
| **最近使用** | 栈 | LIFO 特性 |
|
||
| **任务排队** | 队列 | FIFO 特性 |
|
||
|
||
::: tip 💡 选择数据结构的心法
|
||
**没有最好的数据结构，只有最合适的数据结构。**
|
||
|
||
选择时要考虑：
|
||
1. **主要操作是什么？** 查找？插入？删除？
|
||
2. **数据量多大？** 小数据量差别不大，大数据量要慎重
|
||
3. **数据有序吗？** 有序数据可以用二分查找
|
||
4. **内存限制？** 某些结构需要额外空间
|
||
:::
|
||
|
||
---
|
||
|
||
## 5. 总结：数据结构是程序的基础
|
||
|
||
让我们用一个比喻总结各种数据结构：
|
||
|
||
| 结构 | 比喻 | 核心特点 |
|
||
|------|------|---------|
|
||
| **数组** | 编号储物柜 | 访问快，插入慢 |
|
||
| **链表** | 寻宝线索 | 插入快，访问慢 |
|
||
| **栈** | 一摞盘子 | 后进先出 |
|
||
| **队列** | 排队队伍 | 先进先出 |
|
||
| **哈希表** | 分类柜子 | 查找最快 |
|
||
| **树** | 家族族谱 | 层次结构 |
|
||
|
||
::: tip 💡 核心启示
|
||
**数据结构决定了程序的效率上限。**
|
||
|
||
- 选对数据结构，问题迎刃而解
|
||
- 选错数据结构，再好的算法也无济于事
|
||
|
||
理解数据结构，就是理解"如何高效地组织数据"。这是每个程序员的基本功。
|
||
:::
|
||
|
||
---
|
||
|
||
## 延伸阅读
|
||
|
||
- **数据结构实现**：自己动手实现各种数据结构，加深理解
|
||
- **高级数据结构**：学习跳表、布隆过滤器、并查集等
|
||
- **数据库索引**：了解 B+ 树在数据库中的应用
|
||
- **缓存设计**：学习 LRU 缓存如何结合哈希表和链表
|