数据结构（线性表、栈与队列、树、图）

桃扇骨 2022-01-20 01:19 308阅读 0赞

## 一、线性表 ##

线性表是最常用且最简单的一种数据结构，它是n个数据元素的有限序列。

实现线性表的方式一般有两种：

1.  使用数组存储线性表的元素，即用一组连续的存储单元依次存储线性表的数据结构
2.  使用链表存储线性表的元素，即用一组任意的存储单元存储线性表的数据元素（存储单元可以是连续的，也可以是不连续的）

### 数组实现 ###

数组是一种大小固定的数据结构，对线性表的所有操作都可以通过数组来实现。虽然数组一旦创建之后它的大小就不能改变了，但是当数组不能再存储线性表中的新元素时，我们可以创建一个新的大的数组来替换当前数组。这样可以使用数组实现动态的数据结构。

示例1：创建一个更大的数组来替换当前数组

int[] oldArray=new int[10];
    int[] newArray=new int[20];
    
    for(int i=0;i<oldArray.length;i++){
        newArray[i]=oldArray[i];
    }
    
    
    //也可以使用System.arraycopy方法实现数组间的复制
    System.arraycopy(oldArray,0,newArray,0,oldArray.length);
    oldArray=newArray;

示例2：在数组位置index上添加元素（思路：在index的位置上插入元素e，后面所有的元素向后移动一位）

//oldArray 表示当前存储元素的数组
    
    //size 表示当前元素的个数
    public void add(int index ,int e){
        if (index >size|| index<0){
            System.out.println("位置不合法");
        }
    
        //如果数组已经满了，就扩容
        if (size>=oldArray.length){
            //扩容代码参见，示例代码1
        }
    
        for (int i=size-1;i>=index;i--){
            oldArray[i+1]=oldArray[i];
        }
    
        oldArray[index]=e;
        size++;
       }

说明：数组实现的线性表的优点在于可以通过下标来访问或者修改元素，比较高效；缺点是插入和删除的花费开销比较大，比如在当前第一个位置前插入一个元素，那么首先要把所有的元素靠后移动一个位置。为了提高在任意位置添加或者删除元素的效率，可以采用链式结构来实现线性表。

### 链表 ###

链表是一种物理存储单元上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列节点组成，这些节点不必在内存中相连。每个节点由数据部分Data和链部分Next，Next指向下一个节点，这样当添加或者删除时，只需要改变相关节点的Next指向，效率很高。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODY2NDIzMg_size_16_color_FFFFFF_t_70][]

链表节点示例代码：

class Node<E>{
        E item;
        Node<E> next;
    
        //构造函数
        Node(E element){
            this.item=element;
            this.next=null;
        }
    }

链表头节点和尾节点初始化：

//头节点和尾节点都为空 链表为空
    Node<E> head=null;
    Node<E> tail=null;

空链表创建一个新节点：

//创建一个新的节点，并让head指向此节点
    head=new Node("nodedata1");
    
    //让尾节点也指向此节点
    tail=head;

链表追加一个节点：

//创建新节点 同时和最后一个节点连接起来
    tail.next=new Node("node1data2");
    
    //尾节点指向新的节点
    tail=tail.next;

顺序遍历链表：

Node<String> current=head;
    while(current != null){
        System.out.println(current.item);
        current=current.next;
    }

倒序遍历链表：

static void printListRev(Node<String> head){
        //倒序遍历链表主要用了递归的思想
        if(head != null){
            printListRev(head.next);
            System.out.println(head.item);
        }
    }

单链表反转：

//单链表反转 主要是逐一改变两个节点间的链接关系来完成
    static Node<String> revList(Node<String> head){
        if (head == null){
            return null;
        }
    
        Node<String> nodeResult=null;
        Node<String> nodePre=null;
        Node<String> current=head;
    
        while(current != null){
            Node<String> nodeNext=current.next;
            
            if(nodeNext == null){
                nodeResult=current;
             }
    
            current.next=nodePre;
            nodePre=current;
            current=nodeNext;
         }
        return nodeResult;
    }

链表的实现还有其他的方式，常见的有循环单链表，双向链表，循环双向链表。**循环单链表**主要是链表的最后一个节点指向第一个节点，整体构成一个链环。**双向链表**主要是节点中包含两个指针部分，一个指向前驱元，一个指向后继元，JDK中LinkedList集合类的实现就是双向链表。**循环双向链表**是最后一个节点指向指向第一个节点。

### 二、栈与队列 ###

栈和队列也是比较常见的数据结构，它们是比较特殊的线性表。对于栈来说，访问、插入和删除元素只能在栈顶进行；对于队列，元素只能从队尾插入，从队头访问和删除。

*  队列是一种特殊的线性表，特殊之处在于它只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作，和栈一样，队列是一种操作受限制的线性表。进行插入操作的端称为队尾，进行删除操作的端称为队头。
 *  可以使用链表来实现队列，实现代码：
 *      public class MyQueue<E>{
            private LinkedList<E> list=new LinkedList<>();
        
            //入队
            public void enqueue(E e){
                list.addLast(e);
            }
        
            //出队
            public E dequeue(){
                return list.removeFirst();
            }
        }
    
    ## 三、树与二叉树 ##

树型结构是一类非常重要的非线性数据结构，其中以树和二叉树最为常用。

### 树 ###

树是由n(n>=1)个有限节点组成一个具有层次关系的集合。具有以下特点：

1.  每个节点有零个或多个子节点
2.  没有父节点的节点称为**根节点**
3.  每一个非根节点有且只有一个父节点
4.  除了根节点外，每个子节点可以分为多个不相交的子树

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODY2NDIzMg_size_16_color_FFFFFF_t_70 1][]

### 二叉树 ###

二叉树是每个节点最多有两棵子树的树结构。通常子树被称作”左子树“和”右子树“。二叉树常被用于实现二叉查找树和二叉堆。

二叉树的性质：

1.  二叉树的节点最多有两棵子树（不存在度大于2的节点），二叉树的子树有左右之分，次序不能颠倒
2.  二叉树的第i层最多有2^(i-1)个节点；深度为k的二叉树至多有2^(k-1)个节点
3.  一棵深度为k，且有2^(k-1)个节点的二叉树称为**满二叉树**
4.  深度为k，有n个节点的二叉树，当且仅当其每一个节点都与深度为k的满二叉树中，序号为1至n的节点对应时，称为**完全二叉树**。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODY2NDIzMg_size_16_color_FFFFFF_t_70 2][]

可以看到，含有n个节点的二叉查找树的平均查找长度和树的形态有关。最坏情况下，当先后插入的关键字有序时，构成的二叉查找树蜕变为单支树，树的深度为n，其平均查找长度(n+1)/2（和顺序查找相同），最好的情况是二叉查找树的形态和折半查找的判定树相同，其平均查找长度和log2(n)成正比。平均情况下，二叉查找树的平均查找长度和logn是等数量级的，所以为了获得更好的性能，通常在二叉查找树的构建过程需要进行”平衡话处理“，之后的平衡二叉树和红黑树，这些均可以使查找树的高度为O(log(n))

二叉树的节点：

class TreeNode<E>{
        E element;
        TreeNode<E> left;
        TreeNode<E> right;
    
        public TreeNode(E e){
            element=e;
        }
    }

二叉查找树的三种遍历都可以直接调用递归的方法来实现：

先序遍历：

protected void preorder(TreeNode<E> root){
        if(root == null){
            return;
        }
    
        System.out.println(root.element+" ");
        preorder(root.left);
        preorder(root.right);
    }

中序遍历：

protected void inorder(TreeNode<E> root){
        if(root == null)
            return;
    
        inorder(root.left);
        System.out.println(root.element+" ");
    
        inorder(root.right);
    }

后续遍历：

protected void postorder(TreeNode<E> root){
        if (root == null)
            return;
    
        postorder(root.left);
        postorder(root.right);
        System.out.println(root.element+" ");
    }

二叉查找树的简单实现：

public class MyBinSearchTree<E extends Comparable<E>>{
        
        //根
        private TreeNode<E> root;
    
        //默认构造函数
        public MyBinSearchTree(){}
    
        //二叉树的查找
        public boolean search(E e){
            TreeNode<E> current=root;
            
            while(current != null){
                if(e.compareTo(current.element)<0){
                    current=current.left;
                }else if(e.compareTo(current.element)>0){
                    current=current.right;
                }else{
                    return true;
                }
            }
        return false;
        }
        //二叉树的查找
        public boolean insert(E e){
            //如果之前是空二叉树 插入的元素就作为根节点
            if(root == null){
                root=createNewNode(e);
            }else{
                   //否则就从根节点开始遍历 直到找到合适的父节点
                    TreeNode<E> parent=null;
                    TreeNode<E> current=root;
                    while (current != null) {
                    if (e.compareTo(current.element) < 0) {
                        parent = current;
                        current = current.left;
                    } else if (e.compareTo(current.element) > 0) {
                        parent = current;
                        current = current.right;
                    } else {
                        return false;
                    }
                }
                // 插入
                if (e.compareTo(parent.element) < 0) {
                    parent.left = createNewNode(e);
                } else {
                    parent.right = createNewNode(e);
                }
            }
            return true;
        }
    
        // 创建新的节点
        protected TreeNode<E> createNewNode(E e) {
            return new TreeNode(e);
        }
    
    }
    
    // 二叉树的节点
    class TreeNode<E extends Comparable<E>> {
    
        E element;
        TreeNode<E> left;
        TreeNode<E> right;
    
        public TreeNode(E e) {
            element = e;
        }
    }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODY2NDIzMg_size_16_color_FFFFFF_t_70]: /images/20220120/5323578991384afaba70ee9d4eae7678.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODY2NDIzMg_size_16_color_FFFFFF_t_70 1]: /images/20220120/23141c4aec324555988a93e69855f60b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODY2NDIzMg_size_16_color_FFFFFF_t_70 2]: /images/20220120/68b77e741cb24979b8070060d8b96123.png

数据结构（线性表、栈与队列、树、图）

发表评论取消回复

还没有评论，来说两句吧...

相关阅读