数据结构是计算机中组织、存储和管理数据的方式，旨在提高数据操作（如查找、插入、删除）的效率，是算法设计的基础。
一、核心数据结构类型（按逻辑结构分类）
1. 线性结构（数据元素一对一排列）
- 数组（Array）：连续内存存储，支持随机访问（通过索引快速定位），但插入 / 删除需移动元素，适用于数据量固定、查询频繁的场景（如存储学生成绩列表）。
- 链表（Linked List）：非连续内存存储，通过指针 / 引用连接节点，插入 / 删除效率高（无需移动元素），但查询需遍历，适用于数据动态增减、查询较少的场景（如链表式队列）。
- 栈（Stack）："先进后出"（LIFO）结构，仅允许在栈顶操作（压栈 / 弹栈），适用于括号匹配、函数调用栈、表达式求值等场景。
- 队列（Queue）："先进先出"（FIFO）结构，允许在队尾插入、队头删除，适用于任务调度、消息队列、广度优先搜索（BFS）等场景。
2. 非线性结构（数据元素一对多 / 多对多排列）
- 树（Tree） ：层级结构，有且仅有一个根节点，子节点间无关联，适用于有序数据存储与查询。常见子类：
- 二叉树：每个节点最多 2 个子节点（左 / 右子树）；
- 二叉搜索树（BST）：左子树值＜根节点值＜右子树值，支持高效查询（理想时间复杂度 O (logn)）；
- 堆（Heap）：完全二叉树，分为大顶堆（根节点最大）和小顶堆（根节点最小），适用于优先级队列、Top-K 问题。
- 图（Graph）：由顶点（Vertex）和边（Edge）组成，可表示多对多关系，分为有向图（边有方向）和无向图（边无方向），适用于社交网络、路径规划（如最短路径算法 Dijkstra）等场景。
- 哈希表（Hash Table）：通过哈希函数将键（Key）映射到内存地址，实现 "键 - 值" 快速查找（理想时间复杂度 O (1)），但需处理哈希冲突（如链地址法、开放定址法），适用于缓存、字典（如 Python 的 dict）等场景。
二、数据结构的核心作用
- 优化效率：通过合理选择结构减少时间 / 空间开销（如用哈希表替代数组实现快速查找）；
- 支撑算法：所有算法均依赖数据结构实现（如排序算法需基于数组 / 链表，图算法需基于图结构）；
- 解决实际问题：针对不同场景匹配最优结构（如用树存储文件系统目录，用队列处理任务排队）