写在最前
简单地说，数据结构是以某种特定的布局方式存储数据的容器。这种“布局方式”决定了数据结构对于某些操作是高效的，而对于其他操作则是低效的。首先我们需要理解各种数据结构，才能在处理实际问题时选取最合适的数据结构。
为什么我们需要数据结构？
数据是计算机科学当中最关键的实体，而数据结构则可以将数据以某种组织形式存储，因此，数据结构的价值不言而喻。无论你以何种方式解决何种问题，你都需要处理数据，无论是涉及员工薪水、股票价格、购物清单，还是只是简单的电话簿问题。 数据需要根据不同的场景，按照特定的格式进行存储。有很多数据结构能够满足以不同格式存储数据的需求。
数据结构，直白地理解，就是研究数据的存储方式。
常见的数据结构
最常见的数据结构有数组、栈、队列、链表、图、树、字典树、散列表（哈希表），接下来我们将逐一说明：
数组（Array）
数组是最简单、使用最频繁的一种数据结构。它一种线性表数据结构，用一组连续的内存空间来存储一组相同类型的数据。栈、队列等其他数据结构均由数组演变而来。
下图是一个包含元素（1，2，3和4）的简单数组，数组长度为4。
如上图所示，数据是按照顺序存储在内存的连续空间内。每个数据元素都关联一个正数值，我们称之为索引，它表明数组中每个元素所在的位置。大部分语言将数组初始索引定义为零。
栈（Stack）
栈也是一种数据呈线性排列的数据结构，栈的特点先进后出、后进先出，就是常说的 LIFO（Last in First Out）。
例如：
桶，我们想拿到桶底的东西，需要先把压在上面的东西先拿出去。
队列（Queue）
与栈相似，队列是另一种顺序存储元素的线性数据结构。栈与队列的最大差别在于栈是 LIFO（后进先出），而队列是 FIFO（First in First Out：先进先出），即操作数据是从两端进行的。
例如：售票亭排队队伍。如果有新人加入，他需要到
队尾去排队。排在前面的人会先拿到票，然后离开队伍。
链表（Linked List）
链表是另一个重要的线性数据结构，乍一看可能有点像数组，但在内存分配、内部结构以及数据插入和删除的基本操作方面均有所不同。
链表就像一个节点链，其中每个节点包含着数据和指向后续节点的指针。链表还包含一个头指针，它指向链表的第一个元素，但当列表为空时，它指向 null 或无具体内容。
图（Graph）
图是相对复杂的一种数据结构，由顶点（Vertex）和连接每对顶点的边（Edge）所构成的图形就是图。边可以包含权重/成本，显示从顶点 x 到 y 所需的成本。
图在存储数据上有着比较复杂和高效的算法，分别有邻接矩阵、邻接表、十字链表、邻接多重表、边集数组等存储结构。常见的图遍历算法就是广度优先搜索和深度优先搜索。
树(Tree)
树形结构是一种层级式的数据结构，由顶点（节点）和连接它们的边组成。树类似于图，但区分树和图的重要特征是树中不存在环路。
树形结构被广泛应用于人工智能和复杂算法，它可以提供解决问题的有效存储机制。
树的结构特点是：
- 每个节点有零个或多个子节点；
- 没有父节点的节点称为根节点；
- 每一个非根节点有且只有一个父节点；
- 除了根节点外，每个子节点可以分为多个不相交的子子节点；
字典树（Trie）
字典树，也称为“前缀树”，是一种特殊的树状数据结构，对于解决字符串相关问题非常有效。它能够提供快速检索，主要用于搜索字典中的单词，在搜索引擎中自动提供建议，甚至被用于 IP 的路由。
以下是在字典树中存储三个单词“top”，“then”和“thus”的例子：
这些单词以顶部到底部的方式存储，其中浅蓝色节点“p”，“n”和“s”分别表示“top”，“then”和“thus”的底部。
散列表（哈希表）
散列表又叫哈希表，存储的是由键(key)和值(value)组 成的数据，根据键直接访问存储在内存存储位置的数据结构。
哈希表通常使用数组实现。
散列数据结构的性能取决于以下三个因素：
- 哈希函数
- 哈希表的大小
- 碰撞处理方法
