线性表
一般线性表
线性表
特殊线性表
栈与队列
字符串
线性表的推广
数组
广义表
B.非线性结构
树结构
树
二叉树
图结构
有向图
无向图
集合结构
存储结构
概念:数据对象在计算机中的存储表示为数据的存储结构,也称物理结构
A.顺序存储结构:
是借助元素在存储器中的相对位置来表示数据元素之间的逻辑关系,通常借助程序设计语言的数组类型来描述
B.链式存储结构:
无需占用一整快存储空间,需要给每个结点附加指针字段,用来存放后继元素的存储地址
数据运算
插入
删除
修改
查找
排序
数据类型
数据类型:
是一个值的集合和定义在这个值集上的一组操作的总称
抽象数据类型:
一般指由用户定义的、表示应用问题的数学模型,以及定义在这个模型上的一组操作的总称
算法和算法分析
定义和特性
算法定义:
一个有穷的指令集，这些指令为解决某一特定任务规定了一个运算序列
!!!五大特性:
a.有穷性
一个算法必须总是在执行有穷步后结束,且每一步都必须在有穷时间内完成
b.确定性
对于每种情况下所应执行的操作,在算法中都有确切的规定,不会产生二义性,使算法的执行者或阅读者都能明确其含义及如何执行
c.可行性
算法中的所有操作都可以通过已经实现的基本操作运算执行有限次来实现
d.输入
一个算法有零个或多个输入
e.输出
有一个或多个输出(处理结果)
评价优劣基本标准
1.正确性
2.可读性
3.健壮性
4.高效性
5.时间代价和空间代价
算法分析
算法的效率的度量
算法效率:
含义:用依据该算法编制的程序在计算机上执行所消耗的时间来度量
衡量算法效率方法:
1)事后统计
利用计算机内的计时功能，不同算法的程序可以用一组或多组相同的统计数据区分
2)事前分析估计
一个高级语言程序在计算机上运行所消耗的时间取决于：
1.依据的算法选用何种策略
2.问题的规模
3.程序语言
4.编译程序产生机器代码质量
5.机器执行指令速度
✿时间复杂度
含义:执行算法消耗的时间
✿空间复杂度
含义:执行算法消耗的空间
总结
数据结构是一门研究非数值计算程序设计中操作对象,以及这些对象之间的关系和操作的学科。数据结构无外乎关系数据的逻辑结构和存储结构,然后后面接触到算法分析,包括时间复杂度和空间复杂度了解它的特性和评价标准。
做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。
我先来介绍一下这些东西怎么用，文末抱走。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
（4）200多本电子书
这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。
基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
（5）Python知识点汇总
知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。
（6）其他资料
还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
