Java之路---Day17(数据结构)

2019-11-04 16:05:17来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

Java之路---Day17(数据结构)

2019-11-04-23:03:13

目录:

  1.常用的数据结构

  2.

  3.队列

  4.数组

  5.链表

  6.红黑树


 

常用的数据结构:

  包含:栈、队列、数组、链表和红黑树

栈:

  栈:stack,又称堆栈,它是运算受限的线性表,其限制是仅允许在标的一端进行插入和删除操作,不允许在其 他任何位置进行添加、查找、删除等操作

  特点:

    1.先进后出(即,存进去的元素,要在后它后面的元素依次取出后,才能取出该元素)。例如,子弹压进弹 夹,先压进去的子弹在下面,后压进去的子弹在上面,当开枪时,先弹出上面的子弹,然后才能弹出下面的 子弹。

    2.栈的入口、出口的都是栈的顶端位置。

      名词注意:

        1.压栈:就是存元素。即,把元素存储到栈的顶端位置,栈中已有元素依次向栈底方向移动一个位置

        2.弹栈:就是取元素。即,把栈的顶端位置元素取出,栈中已有元素依次向栈顶方向移动一个位置。 

        

队列:

  队列:queue,简称队,它同堆栈一样,也是一种运算受限的线性表,其限制是仅允许在表的一端进行插入, 而在表的另一端进行删除。

  特点:

    1.先进先出(即,存进去的元素,要在它前面的元素依次取出后,才能取出该元素)。例如,小火车过山洞,车头先进去,车尾后进去;车头先出来,车尾后出来。

    2.队列的入口、出口各占一侧。例如,下图中的左侧为入口,右侧为出口

    

数组: 

  数组:Array,是有序的元素序列,数组是在内存中开辟一段连续的空间,并在此空间存放元素。就像是一排出 租屋,有100个房间,从001到100每个房间都有固定编号,通过编号就可以快速找到租房子的人。

  特点:

    1.查找元素快:通过索引,可以快速访问指定位置的元素

    

    2.增删元素慢 :

      指定索引位置增加元素:需要创建一个新数组,将指定新元素存储在指定索引位置,再把原数组元素根据索引,复制到新数组对应索引的位置。如下图

      

      指定索引位置删除元素:需要创建一个新数组,把原数组元素根据索引,复制到新数组对应索引的位 置,原数组中指定索引位置元素不复制到新数组中。如下图

    

链表:

  链表:linked list,由一系列结点node(链表中每一个元素称为结点)组成,结点可以在运行时i动态生成

    结点:

      1.一个是存储数据元素的数据域

      2.一个是存储下一个结点地址的指针域。

    特点:

      1.多个结点之间,通过地址进行连接。例如,多个人手拉手,每个人使用自己的右手拉住下个人的左手,依次 类推,这样多个人就连在一起了。

    

      2.查找元素慢:想查找某个元素,需要通过连接的节点,依次向后查找指定元素

      3.增删元素快

        增加元素:只需要修改连接下个元素的地址即可

        

        删除元素:只需要修改连接下个元素的地址即可

        

红黑树:

  二叉树:binary tree ,是每个结点不超过2的有序树(tree) 

  特点:

    1.二叉树是每个节点多有两个子树的树结构。顶上的叫根结点,两边被称作“左子树”和“右子树”。

    

  红黑树:二叉树的一种比较有意思的叫做红黑树,红黑树本身就是一颗二叉查找树,将节点插入后,该树仍然 是一颗二叉查找树。也就意味着,树的键值仍然是有序的

    红黑树的约束:

      1. 节点可以是红色的或者黑色的

      2. 根节点是黑色的

      3. 叶子节点(特指空节点)是黑色的

      4. 每个红色节点的子节点都是黑色的

      5. 任何一个节点到其每一个叶子节点的所有路径上黑色节点数相同

    红黑树的特点:

      速度特别快,趋近平衡树,查找叶子元素少和多次数不多于二倍 


原文链接:https://www.cnblogs.com/hpcz190911/p/11795798.html
如有疑问请与原作者联系

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:MyBatis别名

下一篇:Flink 从 0 到 1 学习 —— Flink Data transformation(转换)