数据结构：导论
目录
什么是“第一性原理”？
什么是“数据结构”？
数据结构解决的根本问题是什么？
数据结构的两大分类
数据结构的基本操作
数据结构与算法的关系
学习数据结构的底层目标
什么是“第一性原理”？
在正式进入数据结构之前，我们先要厘清一个核心学习方法 —— 第一性原理（First Principles Thinking）。
第一性原理是指：将问题分解到最基本、最不可再简化的真理，再从这些基础出发，逐步构建出复杂系统。
在学习数据结构时，我们不是去“记住”链表或栈的定义，而是要问：
-
信息为什么需要结构化？
-
什么是“数据”？
-
为什么某些结构比其他结构更高效？
这些追问，就是从底层理解“数据结构”的真正方式。
什么是“数据结构”？
数据结构是一种组织、管理和存储数据的方法，使得我们能够高效地访问（access）和修改（modify）数据。
用类比来说：
-
数据是信息的原材料；
-
数据结构是存储这些信息的“容器”或“建筑架构”；
-
算法（Algorithm）是使用这些数据的“操作方法”或“工具”。
举个生活中的例子：
假设你有很多图书，如果你用一个盒子乱装（未使用数据结构），查找某本书要花很长时间。如果你按作者排序放进书架（使用结构化的存储），查找速度就快得多。
数据结构的本质作用就是为信息组织提供一种有序、高效的框架，帮助我们实现以下三大目标：
-
更快地访问数据（Access）
-
更节省地存储数据（Storage）
-
更灵活地修改数据（Modify）
Harsha 在课程中强调：算法和数据结构是两翼，缺一不可。算法提供策略，结构决定效率。
数据结构解决的根本问题是什么？
用第一性原理回溯，我们可以这样问：我们为什么需要数据结构？
我们要解决的问题主要包括：
-
存储（Storage）：如何有效存储大量数据？
-
访问（Access）：如何快速地找到我需要的数据？
-
修改（Modification）：如何快速更新或删除数据？
-
扩展性（Scalability）：当数据量变得很大时，系统是否还能正常运行？
数据结构的三大核心指标：
| 中文术语 | 英文术语 | 说明 |
|---|---|---|
| 时间复杂度 | Time Complexity | 处理数据需要多长时间（O(n)、O(log n) 等） |
| 空间复杂度 | Space Complexity | 占用多少内存或存储资源 |
| 可扩展性 | Scalability | 随着数据量增长性能是否可控 |
他强调：“设计数据结构就是在不同指标之间做权衡（Trade-off）。”
简而言之：
数据结构存在的根本目的是：用更少的时间和空间，完成更多的数据处理任务。
数据结构的两大分类
（Two Major Categories of Data Structures）
1. 线性结构（Linear Data Structures）
数据元素按线性顺序排列，每个元素最多只有一个前驱和一个后继。
| 名称（中文） | 名称（英文） | 示例 |
|---|---|---|
| 数组 | Array |
|
| 链表 | Linked List |
|
| 栈 | Stack | 后进先出 LIFO |
| 队列 | Queue | 先进先出 FIFO |
这些结构适合处理“有顺序”的数据。
2. 非线性结构（Non-Linear Data Structures）
数据之间的关系不是线性的，一个元素可能连接多个元素。
| 名称（中文） | 名称（英文） | 示例 |
|---|---|---|
| 树 | Tree | 文件目录结构 |
| 图 | Graph | 社交网络，地图 |
| 堆 | Heap | 优先队列 |
| 哈希表 | Hash Table | 键值存储（key-value） |
这些结构用于表达复杂关系，比如父子关系、网络结构等。
数据结构的基本操作
无论哪种数据结构，都要支持以下基本操作（Basic Operations）：
-
插入（Insertion）：添加新元素
-
删除（Deletion）：移除已有元素
-
查找（Searching）：定位某个特定元素
-
遍历（Traversal）：访问所有元素
-
排序（Sorting）：按特定顺序组织数据
每种操作的效率依赖于你选择的数据结构。
数据结构与算法的关系
数据结构是用来存储数据的，算法是处理数据的。
它们之间的关系如下：
| 数据结构 | 算法 |
|---|---|
| 是房子 | 是住在房子里的人 |
| 是刀鞘 | 是刀 |
| 是存储器 | 是处理器 |
比如：使用哈希表（Hash Table），你可以在O(1) 时间内查找数据。这就是结构与操作的完美结合。
学习数据结构的底层目标
学习数据结构不是为了背公式，而是为了掌握一种解决问题的思维框架（problem-solving mindset）：
-
如何选择最合适的结构？（Trade-offs：时间 vs 空间）
-
如何让代码变得更快、更稳定、更易维护？
-
如何通过“结构”的设计，获得“算法”的力量？