【数据结构】实现方式、应用场景与优缺点的系统总结

以下是编程中常见的数据结构及其实现方式、应用场景与优缺点的系统总结：

一、线性数据结构

1. 数组 (Array)

定义：连续内存空间存储相同类型元素。

实现方式 ：

java 复制代码

int[] arr = new int[10]; // Java

python 复制代码

arr = [0] * 10  # Python

操作：
- 访问：O(1)（通过索引）
- 插入/删除：O(n)（需移动元素）
优点：内存连续，高速缓存友好。
缺点：大小固定，动态扩容成本高。
应用场景：频繁随机访问，如矩阵运算。

2. 链表 (Linked List)

定义：通过指针连接的非连续内存节点。

实现方式 （单向链表）：

java 复制代码

class Node {
    int val;
    Node next;
    Node(int val) { this.val = val; }
}
Node head = new Node(0); // Java

操作：
- 插入/删除：O(1)（已知位置时）
- 访问：O(n)
优点：动态大小，高效插入删除。
缺点：内存不连续，缓存不友好。
变种：双向链表、循环链表。
应用场景：LRU缓存、浏览器历史记录。

3. 栈 (Stack)

定义：后进先出（LIFO）结构。

实现方式 ：

数组实现：

python 复制代码

stack = []
stack.append(1)  # Push
stack.pop()      # Pop (Python)

链表实现：

java 复制代码

class Stack {
    Node top;
    void push(int val) { /* 插入链表头部 */ }
    int pop() { /* 删除链表头部 */ }
}

应用场景：函数调用栈、括号匹配。

4. 队列 (Queue)

定义：先进先出（FIFO）结构。

实现方式 ：

数组实现（循环队列）：

java 复制代码

class CircularQueue {
    int[] arr;
    int front, rear, size;
    // 实现enqueue、dequeue
}

链表实现：

python 复制代码

from collections import deque
q = deque()  # Python双端队列
q.append(1)  # 入队
q.popleft()  # 出队

变种：双端队列（Deque）、优先队列（Priority Queue）。
应用场景：任务调度、BFS算法。

二、树形数据结构

1. 二叉树 (Binary Tree)

定义：每个节点最多两个子节点。

实现方式 ：

java 复制代码

class TreeNode {
    int val;
    TreeNode left, right;
    TreeNode(int val) { this.val = val; }
}

变种：
- 二叉搜索树 (BST)：左子树所有节点值 < 根 < 右子树。
- 平衡树 (AVL/红黑树)：自动调整高度平衡。
操作：插入/删除/查找（BST平均 O(log n), 最差 O(n)）。

2. 堆 (Heap)

定义：完全二叉树，满足堆属性（最大堆/最小堆）。

实现方式 ：

数组实现：

python 复制代码

# Python heapq模块（最小堆）
import heapq
heap = []
heapq.heappush(heap, 3)
heapq.heappop(heap)

应用场景：优先队列、Top K问题。

三、散列表 (Hash Table)

定义：通过哈希函数映射键到存储位置。

实现方式 （链地址法）：

java 复制代码

class HashMap {
    LinkedList<Entry>[] buckets;
    class Entry { K key; V value; }
    void put(K key, V value) { /* 计算哈希并处理冲突 */ }
    V get(K key) { /* 查找链表 */ }
}

操作：
- 平均 O(1)（假设哈希函数均匀）。
- 最差 O(n)（所有键冲突）。
优点：高效查找、插入、删除。
缺点：内存开销大，无序。
应用场景：字典、缓存（如Redis）。

四、图 (Graph)

定义：由顶点和边组成的非线性结构。

实现方式 ：

邻接矩阵 ：

python 复制代码

graph = [[0 for _ in range(n)] for _ in range(n)]
graph[i][j] = weight  # 边权重

邻接表 ：

java 复制代码

class Graph {
    List<List<Integer>> adjList;
    Graph(int n) { adjList = new ArrayList<>(n); }
    void addEdge(int u, int v) { adjList.get(u).add(v); }
}

应用场景：社交网络、路径规划（Dijkstra算法）。

五、对比总结

数据结构	优势	劣势	典型应用
数组	快速随机访问	大小固定，插入删除慢	数值计算
链表	动态扩展，高效插入删除	随机访问慢	实现栈/队列
哈希表	平均O(1)操作	内存占用大，无序	缓存、去重
二叉搜索树	有序数据存储，查找高效	可能退化为链表	数据库索引
堆	快速获取极值	仅支持极值访问	任务调度
图	建模复杂关系	算法复杂度高	推荐系统

选择建议：

需要快速查询 → 哈希表。
需要有序数据 → 平衡二叉搜索树（如TreeMap）。
高频插入删除 → 链表。
分层处理数据 → 树（如文件系统）。
数据存在复杂关联 → 图。