1-1 什么是数据结构
决定了数据的顺序和位置关系。
数据存储于内存时，决定了数据顺序和位置关系的便是“数据结构”。
1-2 链表
链表是数据结构之一，数据呈线性排列。
在链表中，数据的添加和删除都较为方便，就是访问比较耗费时间。
特点 ：
- 每个数据都有1个“指针”，它指向下一个数据的内存地址。
- 数据一般都是分散存储于内存中。
- 顺序访问。
- 添加/删除数据，改变添加位置前后的指针指向.
时间消耗：
- 线性查找:O（n）;
- 添加/删除数据：O（1）；
补充说明
循环链表
循环链表没有头和尾的概念。想要保存数量固定的最新数据时通常会使用这种链表。
双向链表
双向链表存在两个缺点：
一是指针数的增加会导致存储空间需求增加；
二是添加和删除数据时需要改变更多指针的指向。
1-3 数组
是数据呈线性排列的一种数据结构。
特点 ：
- 数据按顺序存储在内存的 连续空间 内,
- 每个数据的内存地址（在内存上的位置）都可以通过数组下标算出。
- 随机访问。
- 添加/删除数据，数组的操作就要比链表复杂多。需要把已有数据一个个移开，最后在空出来的位置上添加数据。
时间消耗：
- 查找: 恒定的O（1）;
- 添加/删除数据：O（n）；
补充说明
1-4 栈
栈也是一种数据呈线性排列的数据结构，不过在这种结构中，我们只能访问最新添加的数据。
特征
- “后进先出”结构（Last InFirst Out，简称LIFO）。
- 添加和删除数据的操作只能在一端进行。
- 访问数据也只能访问到顶端的数据。
1-5 队列
队列中的数据也呈线性排列。
特征
- “先进先出”结构(FirstIn First Out，简称FIFO)。
- 添加和删除数据的操作分别是在两端进行。
- 不能直接访问位于中间的数据，必须通过出队操作将目标数据变成首位后才能访问。
- 给数据设定合适的空间非常重要。
1-6 哈希表
哈希表存储的是由 键（key）和 值（value）组成的数据。
特征
- 把键当成数据的标识符，把值当成数据的内容。
- 数据存储上的灵活性和数据查询上的高效性。
说明
在哈希表中，我们可以利用哈希函数快速访问到数组中的目标数据。如果发生哈希冲突，就使用链表进行存储。这样一来，不管数据量为多少，我们都能够灵活应对。
如果数据的空间太小，使用哈希表的时候就容易发生冲突，线性查找的使用频率也会更高；
反过来，如果数据的空间太大，就会出现很多空箱子，造成内存的浪费。因此，给数据设定合适的空间非常重要。
补充说明
在存储数据的过程中，如果发生冲突，可以利用“链地址法”，
“开放地址法”，“线性探测法”等方法计算候补地址。
1-7 堆
堆是一种图的树形结构，被用于实现“优先队列”（priority queues）。
优先队列是一种数据结构，可以自由添加数据，但取出数据时要从最小值开始按顺序取出。在堆的树形结构中，各个顶点被称为“结点”（node），数据就存储在这些结点中。
特征
- 堆中的每个结点最多有两个子结点。且子结点必定大于父结点。
- 树的形状取决于数据的个数。
- 结点的排列顺序为从上到下，同一行里则为从左到右。
- 堆中最顶端的数据始终最小。
消耗时间
- 最小值的时间复杂度都为O（1）。
- 重构树的时间复杂度便为O（logn）。
- 添加数据O（logn）。
1-8 二叉查找树
二叉查找树（又叫作二叉搜索树或二叉排序树）是一种数据结构，采用了图的树形结构。
特征
- 每个结点的值均大于其左子树上任意一个结点的值。
- 每个结点的值均小于其右子树上任意一个结点的值。
- 二叉查找树的最小结点要从顶端开始，往其左下的末端寻找。
- 二叉查找树的最大结点要从顶端开始，往其右下的末端寻找。
时间复杂度
- 比较的次数取决于树的高度。
- 树的形状又较为均衡的话，比较大小和移动的次数最多就是log2n。因此，时间复杂度为O（logn）。
- 如果树的形状朝单侧纵向延伸，树就会变得很高，此时时间复杂度也就变成了O（n）。
补充说明
平衡二叉查找树，可以修正形状不均衡的树，让其始终保持均衡形态，以提高查找效率。
子结点数可以自由设定，并且形状均衡的树便是B树。