常用基础数据结构
优秀的算法取决于用哪种数据结构，因此我们这里大概回顾一下编程语言中最基础的数据结构，并分享一点自己的心得体会，学习算法与数据结构，与其说是通过学习实用技巧来解决问题，不如说是在遇到问题时，我们的一个思考思路与思想。
General view
- 数据与字符串
- 链表
- 栈
- 队列与双端队列
- 树🌲
Array && String
数组和字符串是最基本的数据结构，数组中的每个元素都有一个对应的下标，同样的，我们在构建一个数组时要提前指定长度，为其分配一段连续的存储空间。 常用于元素个数确定而很少添加删除的场景。
关键词：定长，下标，查找
优点：
- 构建非常简单
- 能在 O(1) 的时间里根据数组的下标（index）查询某个元素
缺点：
- 构建时必须分配一段连续的空间
- 查询某个元素是否存在时需要遍历整个数组，耗费 O(n) 的时间（其中，n 是元素的个数）
- 删除和添加某个元素时，同样需要耗费 O(n) 的时间
例题：
常见的题目有反转字符串，leetcode242
LinkedList
单链表：链表中的每个元素实际上是一个单独的对象，而所有对象都通过每个元素中的引用字段链接在一起。双链表：与单链表不同的是，双链表的每个结点中都含有两个引用字段。常用于元素个数不确定，频繁添加删除。
关键词：非定长，指针（引用），添加删除
优点：
- 链表能灵活地分配内存空间；
- 能在 O(1) 时间内删除或者添加元素，前提是该元素的前一个元素已知，当然也取决于是单链表还是双链表，在双链表中，如果已知该元素的后一个元素，同样可以在 O(1) 时间内删除或者添加该元素。
缺点：
- 不像数组能通过下标迅速读取元素，每次都要从链表头开始一个一个读取；
- 查询第 k 个元素需要 O(k) 时间。
例题：
常用的解法如 快慢指针，构建虚假链表头，例题如leetcode 24，25
Stack
栈常用于后进先出的应用场景。即只能向栈顶压入元素，从栈顶弹出元素，常常使用一个单链表来实现，链头指针指向栈顶元素。 常用于在解决某个问题的时候，只要求关心**最近一次**的操作，并且在操作完成了之后，需要向前**查找到更前一次**的操作。
关键词：后入先出 ，最近操作
例题：
leetcode20，739
Queue && Dequeue
队列常用于先进先出，即顺序的应用场景。即我们只能在队尾添加元素，从队头删除元素。当我们需要按照一定的顺序来处理数据，而该数据的数据量在不断地变化的时候，则需要队列来帮助解题。在算法面试题当中，广度优先搜索（Breadth-First Search）是运用队列最多的地方。
双端队列允许在队列两端进行添加于删除操作。
关键词：先入先出，顺序处理，数据量变化
例题：
Leetcode239
Tree
树的结构十分直观，而树的很多概念定义都有一个相同的特点：递归，也就是说，一棵树要满足某种性质，往往要求每个节点都必须满足。例如，在定义一棵二叉搜索树时，每个节点也都必须是一棵二叉搜索树。在面试中常考的树的形状有：普通二叉树、平衡二叉树、完全二叉树、二叉搜索树、四叉树（Quadtree）、多叉树（N-ary Tree）。树的以下三种遍历方式一定要熟练掌握，掌握后才能真正理解🌲数据结构的思想。
前序遍历
方法：先访问根节点，然后访问左子树，最后访问右子树。在访问左、右子树的时候，同样，先访问子树的根节点，再访问子树根节点的左子树和右子树，这是一个不断递归的过程。
常用于树的搜索以及创建新树。
中序遍历
方法：先访问左子树，然后访问根节点，最后访问右子树，在访问左、右子树的时候，同样，先访问子树的左边，再访问子树的根节点，最后再访问子树的右边。
最常见的是二叉搜素树，由于二叉搜索树的性质就是左孩子小于根节点，根节点小于右孩子，对二叉搜索树进行中序遍历的时候，被访问到的节点大小是按顺序进行的。
后序遍历
先访问左子树，然后访问右子树，最后访问根节点。
在对某个节点进行分析的时候，需要来自左子树和右子树的信息。收集信息的操作是从树的底部不断地往上进行，好比你在修剪一棵树的叶子，修剪的方法是从外面不断地往根部将叶子一片片地修剪掉。
关键词：递归
例题：
leetcode230
Review
在我看来，大部分的复杂数据结构都由上述基本数据结构实现，底层基础决定了上层建筑，并且各个数据结构特点鲜明，我们应多练多思考，这样才能理解相应数据结构的构建思想，找到其中的通性与规律，这样一来，融汇贯通，能帮助我们解决很多问题。