DSData Structure

数据结构

数据结构不是单独背概念，而是理解“数据如何被组织”和“为什么某种操作更快”。 这一页会把结构特性、复杂度成本和典型使用场景串在一起。

1当前文章

3建设主线

O(n)高频基础复杂度

当前内容

已有内容先从时间复杂度切入。建议先把复杂度概念吃透，再去看具体结构的插入、删除、查找和遍历成本。

Data Structure2026-03-17

算法时间复杂度

时间复杂度是衡量算法效率的核心指标，描述算法运行时间与输入规模的关系。它不关注具体运行时间（如毫秒数），而是关注随着输入规模 n 增大时，算法运行时间的增长趋势。 1. 评估效率： 比较不同算法在解决同一个问题时的效率,则优选择。 2. 预测性能： 预测算法在处理大规模数据时的表现。 3. 优化算法...

• 算法
• 数据结构

进入文章

建设路线

后续会优先补齐这些基础结构。目标不是面面俱到，而是把最常用、最容易迁移到算法题和工程代码里的内容先打牢。

ARRAYRoadmap

数组、链表与顺序结构

理解连续内存、随机访问、插入删除成本，以及链表在不同场景下的取舍。

STACKRoadmap

栈、队列与受限访问

把 LIFO / FIFO 的访问模式和实际题型联系起来，例如括号匹配、滑动窗口、BFS。

TREERoadmap

树、堆、图与层次结构

从树的递归定义延伸到堆和图，补齐遍历、搜索、优先级与关系建模。

阅读方式

先看操作，再记结构

不要先背定义。更有效的方式是先问“我要频繁做什么操作”，再反推数组、链表、哈希表还是树更合适。

• 查询多还是修改多
• 是否要求顺序或排序
• 是否需要去重、映射或优先级

把复杂度和空间一起看

很多结构在时间上更优，但会引入额外空间或实现复杂度。理解这些取舍，才能真正把结构用到工程问题里。

• 哈希表换时间但占更多内存
• 链表插删快但随机访问慢
• 堆适合 top-k，不适合完整有序遍历