整本书的知识点，点击右方链接：整本书笔记知识点

根据例子理解：假设有两张表，上表为人员表，下表为课程表， 表的格式如下：

这两张表就是数据 而单独的一张表就称为数据对象，即人员表是一个数据对象，课程表也是一个数据对象 而每张表中的每一行就称为数据元素 而姓名，性别，身高，课程代号，课程名就称为数据项

数据结构包括逻辑结构和存储结构两个层次。

数据结构是相互之间存在一种或者多种特定关系的数据元素的集合 

逻辑结构分为四种类型：集合结构，线性结构，树形结构，图形结构。

集合结构：数据元素同属一个集合，单个数据元素之间没有任何关系。

线性结构：类似于线性关系，线性结构中的数据元素之间是一对一的关系。

树形结构：树形结构中的数据元素之间存在一对多的关系。（各元素及元素关系所组成图形类似于树状图）。

图形结构：数据元素之间是多对多的关系。如下图所示。

物理结构又叫存储结构，分为两种，一种是顺序存储结构一种是链式存储结构。  

顺序存储结构是把数据元素放到地址连续的存储单元里面，其数据间的逻辑关系和物理关系是一致的。之前学习的数组就是一种顺序存储结构。（如图所示）

链式存储结构：是把数据元素存放在任意的存储单元里面，这组存储单元可以是连续的也可以是不连续的。

根据指针找出相邻元素的位置

一般包括整型、实型、字符型等原子类型外，还有数组、结构体和指针等结构类型。  

抽象数据类型（Abstract Data Type,ADT），类似C语言中的结构体以及C++、java语言中的类。

通俗的讲，抽象数据类型，泛指除基本数据类型以外的数据类型。

抽象数据类型的概念与面向对象的思想是一致的。

算法 + 数据结构 = 程序  

  算法是为了解决某类问题而规定的一个有限长的操作序列。   一个算法必须满足以下五个重要特性： 有穷性、 确定性 、 可行性、 输入 、输出  

正确性 、 可读性 、 健壮性 、 高效性  

详细可以看这个：一套图搞懂“时间复杂度”  

看下列代码的时间复杂度：

最好、最坏和平均时间复杂度

空间复杂度只需要分析辅助变量所占的额外空间。

空间复杂度：S(n) = O(f(n))

如果算法执行所需要的临时空间不随着某个变量n的大小而变化，即此算法空间复杂度为一个常量，可表示为 O(1) 举例：

代码中的 i、j、m 所分配的空间都不随着处理数据量变化，因此它的空间复杂度 S(n) = O(1)

我们再看一个代码：

答案：O(1)

解释：程序的执行次数为常数阶。

（2）

答案：O(m*n)

解释：语句a[i] [j]=0; 的执行次数为m*n。

3）

答案：O(n2)

解释：语句 s+=B[i] [j]; 的执行次数为n2。

（4）

答案：O( n \sqrt{n} n ​)

解释： x≥(y+1)*(y+1) = n≥(y+1)2

开根号： n ≥ ( y + 1 ) \sqrt{n}≥(y+1) n ​≥(y+1)

n − 1 ≥ y \sqrt{n}-1≥y n ​−1≥y

则 y ≤ n − 1 y≤\sqrt{n}-1 y≤n ​−1

x=n; //n>1

y=0;

while( y ≤ n − 1 y≤\sqrt{n}-1 y≤n ​−1){

​ y++; }

y++;执行了 n \sqrt{n} n ​ 次。则时间复杂度为：O( n \sqrt{n} n ​)