数据结构大纲

一、数据结构的作用

对大规模数据进行合理的规划，提高数据的增、删、查、改等操作效率。

二、时间复杂度

时间复杂度是衡量算法效率的核心指标，用于描述操作次数随数据规模（n）增长的趋势。

1. 基本概念

设数据总量为x，x是足够大的数据，算法为了达到某个目的，执行的核心操作次数为y，时间复杂度用O()表示（忽略常数项和低阶项）：看大头

y=ax+b --→y=x                        O(n)

y=ax^2+bx+c  --→y=x^2          O(n^2)

y=a  --→ y=1                            O(1)

y=logax --→y=logx                   O(logn）

01、O(1)：操作次数与n无关（如数学公式计算）；

02、O(n)：操作次数与n成正比（如遍历数组）；

03、O(n²)：操作次数与n的平方成正比（如嵌套循环）；

04、O(log n)：操作次数随n增长呈对数级（如每次缩小一半范围的二分查找）。

2.大小关系

O(1)<O(log n)<O(n)<O(n²)

3.举例

直接和数据总量有关  O（n）例如：数组的从前到后遍历

k层循环  O（n^k）

循环减半 O(log n) 例如：二分法，每次减半

4.降低时间复杂度

三、常见数据结构详解

1.哈希表

哈希表是一种基于哈希函数实现的，用于存储键值对的数据结构。其核心思想是通过哈希函数将键映射到表中的位置，从而快速地插入和查找数据。
基本原理
①哈希函数：将键转换为数组下标（哈希值）的函数。常见的哈希函数有除法取余、乘法取整等。
②数组：用于存储数据的底层结构。哈希函数计算出的哈希值直接决定了数据在数组中的存储位置。

优势:通过 “左小右大” 的规则，使查找操作可以快速缩小范围（类似二分法思想）。例如，查找一个值时，只需与当前节点比较，若小则去左子树，若大则去右子树，无需遍历全部节点。

2. 树和二叉树

树都分为二叉树或者多叉树，左边节点的值小于当前节点，右边节点的值大于当前节点

3. 有序二叉树

特点：左子树节点的值 <当前节点的值；右子树节点的值> 当前节点的值。

优势：通过 “左小右大” 的规则，使查找操作可以快速缩小范围（类似二分法思想）。

例如，查找一个值时，只需与当前节点比较，若小则去左子树，若大则去右子树，无需遍历全部节点。

 局限：若插入数据有序（如从小到大插入），可能退化为链表（左子树为空或右子树为空），此时查找效率降为O(n)。

4. 平衡二叉树

定义：在有序二叉树基础上，左子树与右子树的高度差不超过1

平衡调整：当插入或删除数据导致不平衡时，通过旋转操作（LL、RR、LR、RL 四种类型）恢复平衡：

             左左   LL 型：左子树的左子树过高，向右旋转；

                RR 型：右子树的右子树过高，向左旋转；

              左右  LR/RL 型：需先调整子树方向，再整体旋转。

时间复杂度：稳定在O(log n)（n为节点数），因每次操作都能保证树的高度与log n成正比。

缺点：频繁的平衡检测和旋转操作会消耗额外性能，适合对查询效率要求极高的场景。

5. 2-3-4 树（简化版本四阶闭树）

简介：一种多路平衡查找树，是平衡二叉树的扩展（允许一个节点存储多个元素）。

特点：

节点可存储 2-4 个元素（对应 2-3-4 个孩子）；

所有叶子节点在同一层，保证树的平衡；

插入、删除时通过分裂或合并节点维持平衡。

二节点：存一个数值，分两个叉

三节点：存两个数值，分三个叉

四节点：存三个数值，分四个叉

6. 红黑树（最优二叉树）

核心特点（保证近似平衡）：

1、根节点永远为黑色

2、叶子节点为黑色，且值为null（哨兵节点）

3、红色节点的子节点必为黑色（避免连续红节点）；

4、从根节点到任意叶子节点，路径上的黑色节点数量相同（“黑高” 一致）。

在红黑树里没有一条路径比其他路径超过了两倍（最多两倍）时间复杂度稳定在O（logn）

 优势：相比平衡二叉树，红黑树通过 “近似平衡” 降低了维护成本（旋转次数更少），插入、删除效率更高，是实际工程中应用最广的平衡树（如 Java 的TreeMap、HashMap在链表长度超过 8 时转为红黑树）。