什么是数据结构？

首先了解一下数据结构，拆开来看，结构就是一个架子，类似于盖房子，三室一厅两卫或者两室一厅一卫。数据就是这个结构内填充的材料。放在计算机来说，就是 计算机存储或者组织数据的方式。 数据是往前存，还是往后存，还是存在中间。

什么是算法？

算法就是解决问题的方式，一种思路。 比如一套房子，如何堆放材料，最方便，最省空间，利用率最高。这个思路就是算法。 比如说玩游戏的时候，游戏里有地图，这个地图就是数据结构，行走的线路，策略，就是算法。 每一次闯关都是对策略的一次优化，没有固定的套路。 所以算法是一个不断提升的过程，不断的优化，才能把事情做得更好更合理。

时间复杂度

1.是什么？

时间复杂度就是 执行当前算法花费的时间，这个时间是一个大概的预估。

//第一段
const a = '12345'；
//第二段
for(i=0;i<10;i++){
   ......
}

一看两段代码就知道哪段运行的快，哪段运行的慢。第二段肯定比第一段花费的时间要长。

2.有什么作用？

在写代码的过程中，可以大概知道代码运行的时长，快与慢。 在写同一段功能时，有n种不同的算法，开发者可以知道哪种算法花费的时间短，运行效率快，占用的空间少，更合理。

3.怎么表示时间复杂度？

大欧表示法: O(n)
出自《解析数论》
o有很多表示方法： o(1), o(n), o(n^2), o(logn)......
o(1) 指的是 只操作一次，规模为1

// 这段代码的时间复杂度就是o(1)， 他只操作一次，并且执行花费的时间不受某个变量的增长而影响的
 const a = 1;
 const b = 2;

o(n) 指的是 一段代码被操作n次，规模为n，比如一个for循环

// o(n)
let n =100;
for(let i =0; i<n;i++){
 console.log('循环的次数',i)
}

o(n^2) 指的是 一段代码被操作n*n次，规模为n的平方，比如两个嵌套的for循环

// o(n^2)
let n =10;
for(let i = 0; i<n;i++){
  for(let j =0; j<n;j++){
   console.log('乘法表', j + '*' + i + '='+  j * i )
  }
}

o(logn)指的是 该算法表示一段代码的操作次数只增加一 但是规模会翻倍。 比如 1+2+4+8+16+32+64...... 所以这是一个非常非常低的时间复杂度。比起o(n)它更接近 o(1)

// o(logn)
let i = 0;
const n = 100;
while(i<n){
  i=i*2
}

总结: 时间复杂度越低，运行越快，效率越高。

空间复杂度

1.是什么？

执行当前算法需要占用多少内存空间。

2.怎么表示空间复杂度？

和时间复杂度差不多，使用大欧表示法： o(1), o(n), o(n^2), o(logn)......
o(1) 只占用一块内存空间，不会被其他变量影响。

// o(1)
let a =1;
a++

o(n)

let n =100;
let arr =[];
for(let i =0; i<n;i++){
  arr.push(1);
}

o(n^2)

// o(n^2)
let n =10;
let arr = [];
for(let i = 0; i<n;i++){
 arr.push([])
   for(let j =0; j<n;j++){
     arr[i].push('a')
  }
}

总结： 时间复杂度和空间复杂度是相辅相成的，时间越短，占用空间越少，代码的运行效率就越高。