数据结构简述，时间、空间复杂度，学习网站推荐

[IT 学习路线](#IT 学习路线)

IT 学习路线

C语言基础（看书、B站等均可） →
C语言三剑客：《C和指针》、《C陷阱与缺陷》和《C专家编程》，经典永流传 →
数据结构与算法（线性表/树/图/哈希 + 排序/搜索/规划等等等按需学） →
计算机专业学科看。《计算机组成原理》/《计算机体系结构》；《计算机操作系统》/《现代操作系统》/《深入理解计算机系统》；可选《编译原理》、《深入分析GCC》；网络协议如《计算机网络》、《TCP-IP详解卷一/卷二/卷三》等 →
可选《CPU自制入门》 →
走向：嵌入式 Linux 方向、FPGA / 芯片设计 / 验证方向、具体某算法方向（如 CV、ML、DL）等等。

更多可详细参考 rd2coding/Road2Coding: 编程之路 (github.com) 的总结，比较全面了。

数据结构与算法学习网站推荐

刷题

花了几千大洋买的200集算法面试突击课程，现在面试成功全部免费分享给大家哔哩哔哩bilibili。
LeetCode 最热门 100 题哔哩哔哩bilibili。
本文文末附录：附：算法刷题总结。

时间、空间复杂度

时间复杂度表示一个算法内执行语句的数量在最坏的情况下随着循环次数 n 的增加而增长的数量级。一个算法内语句的使用次数（频度）表示为 f(n)，n 为算法内循环语句的循环数，n 的变化直接改变整个算法的语句使用次数；时间复杂度 O(g(n)) 的定义为，对于一个算法，当且仅当存在正整数 c 和 n0，使得 f(n) ≤ cg(n) 对于所有 n ≥ n0 成立，则该算法的渐进时间复杂度为 f(n) = O(g(n))，g(n) 为 n 的函数。

各个时间复杂度的语句频度的增长速度比较：O(log_2(n)) ＜ O(n) ＜ O(n*log_2(n)) ＜ O(n^2) ＜ O(n^3) ＜ O(2^n) ＜ O(n!)，前三个很好，最后两个不可接受，剩余的强差人意。

程序的执行时间不仅依赖于问题规模，还可能随着数据的状态不同而变化，即其时间复杂度会变化，一般评价算法时候取最坏的情况的时间复杂度。

空间复杂度大同小异。

数据结构简述

一个软件项目，数据结构设计的好，后面进行功能实现时候的调用、修改和查询会特别方便，可以达到事半功倍的效果。

基本概念

数据结构几大类

线性表：
- 顺序（数组），
- 链式（链表（单链表、双向链表、循环链表（单向、双向），静态链表（借助数组实现））），
- 特殊（栈（FILO）、队列/堆（FIFO））。
树：二叉树、红黑树等。
图：无向图、有向图等。
索引/散列：Maps、Hash Table。

按照关系划分

按照逻辑关系（元素的连接关系）：

集合，线性（数组、栈、队列/堆、链表等），树状（一对多），图状（多对多）。
按照存储关系：
- 顺序存储：如数组，要提前申请空间（静态分配（编译时进行）或动态分配（malloc & free））。优点：物理位置连续而紧凑，可随机 / 直接存取；缺点：会产生内存碎片，增、删改动时前后要跟着变（需要移动大量元素）。
- 链式存储：如链表、树、图，要提前申请空间（动态分配（malloc & free））。优点：链式、离散、节点化，空间可动态分配，改动方便（改节点的指向）；缺点：空间占用大，查找不便（需要遍历整个链表）。
- 索引存储："索引-数据"（Key-Value，也叫 Maps）的结构形式。Java、C++ 中为"map，Python 中为 dictionary。
- 散列存储：如哈希表（Hash Table）等。

数据运算

每个基本数据结构要实现的基本操作：增（插入）、删（删除）、改（更新）、查（检索），判（判空，判满）、排（排序）、复（复位）。
更复杂的操作可用以上基本操作实现。

操作的时间复杂度

具体概念在 "C & MCU编写规范和其他" 一文的 "时间、空间复杂度" 一节有提到。（数据结构）十分钟搞定时间复杂度（算法的时间复杂度） - 简书 (jianshu.com)。一套图搞懂"时间复杂度"_ 12 26 25 的博客-CSDN博客 _时间复杂度。

查找：顺序存储结构 O(1)，单链表 O(n)。
插入和删除：顺序存储结构 O(n)，单链表 O(1)。