数据结构:数组详细介绍,你足够了解数组的特性和使用场景吗?

基本介绍

定义

数组是一种线性表数据结构,它用一组连续的内存空间,来存储一组具有相同类型的数据。

特性

从定义可以看出,数组的特性主要有两个:

  1. 线性表
    线性表的定义-百度百科:
    线性表是最基本、最简单、也是最常用的一种数据结构。线性表是数据结构的一种,一个线性表是n个具有相同特性的数据元素的有限序列。
    从这句话我们可以知道:
    a. 线性表是一个序列。
    b. 线性表是有限的。
    c. 线性表的数据元素具有相同的特性。
    常见的线性表:数组,链表,队列,栈等。

  2. 连续的内存空间, 相同类型的数据:我们平时使用最多的元素随机访问,就是归功于数组的这个特性。

优缺点

优点
  1. 支持随机访问: 如上文所说,数组存于连续的地址空间,并且存储的是相同类型的数据,这使得数组可以通过下标与数据类型的大小直接定位到数据位置。假设数组a的数据类型大小为size,那么可以得到第i 个元素的起始地址为:

     a[i]_addr = base_addr + i * size
    
缺点
  1. 插入效率低
    因为数组要保证插入后数据的连续性,需要将插入位置后面的数据依次向后进行移动,所以插入的效率很低。插入时最好的情况是在数组末尾插入,时间复杂度为O(1);最坏的情况是在数组起始位置插入,时间复杂度为O(n);插入的平均时间复杂度为 (1+2+...+n)/n = O(n)。
    数组插入数据示例图

优化方法:如果数组内元素不要求有序时,可以将原数组中第k个数据插入到数组末尾,然后将想要插入的数据插入到第k个位置即可。如上图示例,可以将元素b插入到数组末尾,再将f插入到b原来的位置。

  1. 删除效率低
    也是因为要保证删除后数据的连续性,需要将删除位置后面的元素依次向前进行移动,所以删除的时间复杂度和插入一样。即最好的情况是删除末尾数据,时间复杂度为O(1);最坏的情况是删除起始位置数据,时间复杂度为O(n);删除的平均时间复杂度为O(n)。
    数组删除数据示例图

优化方法:在允许数组内存在无用数据的前提下,需要删除多个数据时可以采用标记删除法,即先不进行实际删除操作,而是先将所有需要删除的数据标记为被删除状态,最后再进行一次删除操作清除掉所有被标记的元素。
上面的优化思路可以参考jvm的垃圾收集算法:jvm的垃圾回收算法中最基础的收集算法是’标记-清除‘算法。顾名思义,标记清除算法分为’标记‘和’清除‘两个阶段:首先标记出所有需要回收的对象,在标记完成后统一回收所有被标记的对象,参考下图:

标记-清除算法示例图

注意点

  1. 严格上来说,数组不是随机查找的时间复杂度为O(1),而是随机访问的时间复杂度为O(1)。
  2. 使用数组进行随机访问时,一定要对数组越界访问时刻保持警惕,不然可能会有意想不到的后果。

参考资料

最近在学习数据结构与算法备战下一家公司的面试,做了一些总结并查阅了一些参考资料:

  1. 极客时间-数据结构与算法专栏
  2. 百度百科
  3. 深入理解java虚拟机

我想说

第一次写技术文章,主要目的还是锻炼一下自己的写作与总结能力,希望可以借此机会激励下自己,多读读书,少玩点游戏 (・᷄ᵌ・᷅)
大家有什么意见欢迎指出,我会虚心接受的。ʘᴗʘ

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,457评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,837评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,696评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,183评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,057评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,105评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,520评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,211评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,482评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,574评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,353评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,897评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,489评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,683评论 2 335

推荐阅读更多精彩内容