日常开发中，合适的数据结构 + 算法思路，能有效帮助我们提升程序的运行效率，并节省资源空间。
这里，我们先来介绍下学习数据结构和算法需要了解的基本概念。
算法复杂度
算法复杂度一般用时间复杂度和空间复杂度来计算，用 Big O 表示法来表示。
常用概念解释：
T(n)：代码执行时间
n：数据规模
f(n)：每行代码执行次数总和
O：代码的执行时间，与f(n)成正比
常用的表示法及示例
O(1)：常量
数组中，通过下标找元素
O(log n)：对数
有序数组中，使用二分查找
O(n)：线性
无序数组中，查找一个元素
O(n log n)：线性对数
归并排序、堆排序
O(n^2)：平方
选择排序、插入排序、冒泡排序
O(2^n)：指数
找出一个列表的所有子集
O(n!)：阶乘
找出一个列表的所有排列
总结
-
基于现在硬件性能的提升，大多数情况下我们其实更关注的是时间复杂度；
-
相同的操作（取值、更新、插入、删除等）使用不同的数据结构，算法复杂度也会呈现不同的结果；
