数据结构是计算机科学中研究数据组织、存储和操作方法的学科。其核心是设计高效的数据组织和算法，以优化程序的执行效率与资源消耗。以下从核心概念、数据结构分类、关键知识点及应用场景等方面进行总结。
一、 数据结构三要素
数据结构由以下三个要素构成：
| 要素 | 说明 | 示例 |
|---|---|---|
| 逻辑结构 | 数据元素之间的逻辑关系，与存储无关。 | 集合、线性结构、树形结构、图状结构（网状结构）。 |
| 物理结构（存储结构） | 数据在计算机中的存储方式。 | 顺序存储、链式存储、索引存储、散列存储。 |
| 数据的运算 | 施加在数据上的操作，如插入、删除、查找、排序等。 | 在顺序表上实现插入元素。 |
逻辑结构是独立于存储的抽象模型，而存储结构是其物理实现。例如，线性表（逻辑结构）既可以用数组（顺序存储）实现，也可以用链表（链式存储）实现 。
二、 算法与复杂度分析
算法是对特定问题求解步骤的描述，其优劣通过时间复杂度 和空间复杂度来衡量 。
- 时间复杂度：关注算法执行时间随数据规模增长的趋势。常用大O记法表示，如 O(1), O(log n), O(n), O(n log n), O(n²) 等。
- 空间复杂度：关注算法运行所需额外内存空间随数据规模增长的趋势。
三、 核心数据结构详解
1. 线性结构
数据元素之间存在"一对一"的线性关系。
线性表
-
概念：具有相同数据类型的 n 个数据元素的有限序列。
-
实现方式 ：
- 顺序表（数组）：元素在内存中连续存放。支持随机访问，但插入删除需移动大量元素。
c// C语言顺序表插入操作示例（在位置i插入元素e） #define MaxSize 50 typedef struct { int data[MaxSize]; int length; } SqList; bool ListInsert(SqList *L, int i, int e) { if (i < 1 || i > L->length + 1) return false; // 判断i范围是否有效 if (L->length >= MaxSize) return false; // 存储空间已满 for (int j = L->length; j >= i; j--) { L->data[j] = L->data[j - 1]; // 将第i个及之后的元素后移 } L->data[i - 1] = e; // 插入新元素 L->length++; return true; }- 链表：元素通过指针链接，在内存中非连续存放。插入删除高效，但失去了随机访问能力。主要有单链表、双链表、循环链表等变体 。
栈
- 概念：后进先出（LIFO）的线性表。只允许在表尾（栈顶）进行插入（入栈）和删除（出栈）操作 。
- 应用：函数调用栈、表达式求值、括号匹配、递归实现。
队列
- 概念：先进先出（FIFO）的线性表。插入在队尾，删除在队头。
- 变体 ：
- 循环队列：解决顺序队列假溢出的问题。
- 双端队列：两端都允许插入和删除。
- 应用：任务调度、消息队列、广度优先搜索（BFS）的辅助数据结构。
2. 树形结构
数据元素之间存在"一对多"的层次关系。
二叉树
-
性质：第 i 层至多有 2^(i-1) 个节点；深度为 k 的二叉树至多有 2^k - 1 个节点。
-
遍历 ：先序、中序、后序（递归或非递归实现）、层次遍历。
c// 二叉树先序遍历递归算法（C语言） typedef struct BiTNode { int data; struct BiTNode *lchild, *rchild; } BiTNode, *BiTree; void PreOrder(BiTree T) { if (T != NULL) { visit(T); // 访问根节点 PreOrder(T->lchild); // 递归遍历左子树 PreOrder(T->rchild); // 递归遍历右子树 } } -
特殊二叉树 ：
- 满二叉树：所有分支节点都有左右子树，且叶子都在同一层。
- 完全二叉树：除最后一层外，其余层都是满的，且最后一层叶子节点从左向右连续排列。此性质使其适合用数组高效存储 。
-
二叉排序树（BST）：左子树上所有节点值均小于根节点值，右子树上所有节点值均大于根节点值。其中序遍历序列是递增有序的。
-
平衡二叉树（AVL树）：BST的一种，且任何节点的左右子树高度差绝对值不超过1，通过旋转操作保持平衡，保证查找效率为 O(log n) 。
-
哈夫曼树（最优二叉树）：带权路径长度最短的二叉树，用于数据压缩（哈夫曼编码） 。
3. 图状结构
数据元素之间存在"多对多"的复杂关系。
基本概念
- 由顶点集 V 和边集 E 组成，记为 G=(V, E)。
- 分类：有向图 vs 无向图；加权图 vs 无权图。
存储方式
- 邻接矩阵：二维数组存储顶点间关系。适合稠密图，可快速判断两顶点是否邻接。
- 邻接表：数组+链表存储。适合稀疏图，节省空间，便于找任一顶点的所有邻接点 。
遍历算法
- 深度优先搜索（DFS）：类似树的先序遍历，使用栈（递归）实现。
- 广度优先搜索（BFS）：类似树的层次遍历，使用队列实现。
重要算法
- 最小生成树：在加权无向图中找一棵边权值和最小的生成树。算法：Prim算法（适合稠密图）、Kruskal算法（适合稀疏图）。
- 最短路径 ：
- Dijkstra算法：求单源最短路径（权值非负）。
- Floyd算法：求所有顶点对之间的最短路径。
- 拓扑排序：针对有向无环图（DAG），得到一个顶点的线性序列，满足若存在路径从 A 到 B，则序列中 A 在 B 之前。用于任务调度、课程安排。
4. 查找结构
基本查找
- 顺序查找：O(n)。
- 二分查找：要求有序顺序表，O(log n)。
树形查找
- 二叉排序树（BST）：查找、插入、删除平均 O(log n)，最差 O(n)。
- 平衡二叉树（AVL）：查找稳定在 O(log n)，但维护平衡开销大。
- B树与B+树：多路平衡查找树，大幅减少磁盘I/O次数，广泛应用于数据库和文件系统索引 。
散列查找（哈希表）
- 核心：通过哈希函数将关键字映射到存储地址。
- 关键问题 ：
- 哈希函数构造：直接定址、除留余数、平方取中等。
- 冲突处理：开放定址法（线性探测、平方探测）、链地址法（拉链法）。
- 特点：理想情况下查找、插入、删除时间复杂度可达 O(1)。
5. 排序算法
排序是数据运算的重要部分，算法性能是考查重点 。
| 排序算法 | 平均时间复杂度 | 最坏时间复杂度 | 空间复杂度 | 是否稳定 | 说明 |
|---|---|---|---|---|---|
| 冒泡排序 | O(n²) | O(n²) | O(1) | 稳定 | 相邻元素比较交换。 |
| 直接插入排序 | O(n²) | O(n²) | O(1) | 稳定 | 将元素插入已排序序列。 |
| 简单选择排序 | O(n²) | O(n²) | O(1) | 不稳定 | 每次选最小元素交换到前面。 |
| 希尔排序 | O(n^1.3) | O(n²) | O(1) | 不稳定 | 分组插入排序，是插入排序的改进。 |
| 快速排序 | O(n log n) | O(n²) | O(log n) | 不稳定 | 分治思想，选定枢轴划分。 |
| 堆排序 | O(n log n) | O(n log n) | O(1) | 不稳定 | 利用堆这种数据结构。 |
| 归并排序 | O(n log n) | O(n log n) | O(n) | 稳定 | 分治思想，先分后合。 |
| 基数排序 | O(d(n+r)) | O(d(n+r)) | O(n+r) | 稳定 | 按位分配收集，d为位数，r为基数。 |
c
// 快速排序分区操作示例（C语言）
int Partition(int A[], int low, int high) {
int pivot = A[low]; // 选取第一个元素作为枢轴
while (low < high) {
while (low < high && A[high] >= pivot) --high;
A[low] = A[high]; // 将比枢轴小的移到左端
while (low < high && A[low] <= pivot) ++low;
A[high] = A[low]; // 将比枢轴大的移到右端
}
A[low] = pivot; // 枢轴存放到最终位置
return low; // 返回枢轴位置
}四、 知识体系与应用
数据结构知识构成一个紧密联系的体系。线性表是基础，栈和队列是其特殊应用。树和图用于建模层次和网状关系。查找和排序则是基于前述结构实现的核心算法。在实际应用中：
- 数据库系统：B+树用于索引，哈希表用于快速查询。
- 操作系统：栈用于函数调用，队列用于进程调度，树用于文件目录管理。
- 编译器：栈用于语法分析和表达式求值，哈希表用于管理符号表。
- 网络路由：图算法用于寻找最短路径。
理解数据结构的核心在于掌握其逻辑特性、物理实现方式以及相关操作（算法）的时空效率，并能根据具体问题场景选择最合适的结构。