数据结构是什么

数据结构就是研究数据的存储方式。

常用数据结构

数据结构大致包含以下几种存储结构：

• 线性表，还可细分为顺序表、链表、栈和队列；
  顺序表
  
  链表
  
  栈
  
  队列
  

• 树结构，包括普通树，二叉树，线索二叉树等；

• 图存储结构；
  

时间复杂度和空间复杂度

好的算法满足：
首先它必须能彻底解决这个问题（称为准确性）；
而且根据其编写出的程序在任何情况下都不能崩溃（称为稳定性）；
最后通过算法所编写出的程序的运行效率要高（称为快速性）。

程序的运行效率具体可以从 2 个方面衡量，分别为：
程序的运行时间。
程序运行所需内存空间的大小。

如何衡量一个算法所编写出程序的运行效率呢？
数据结构中，用时间复杂度来衡量程序运行时间的多少；用空间复杂度来衡量程序运行所需内存空间的大小。

时间复杂度

表示一个算法所编程序运行时间的多少，用的并不是准确值（事实上也无法得出），而是根据合理方法得到的预估值。
大 O 记法的表示方法也很简单，格式如下：
O(频度)
列举了常用的几种时间复杂度，以及它们之间的大小关系：

O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n2)平方阶 < O(n3)(立方阶) < O(2n) (指数阶)

在某些实际场景中，还可以用最好情况下的频度和最坏情况下的频度的平均值来作为算法的平均时间复杂度。

空间复杂度
和时间复杂度类似，一个算法的空间复杂度，也常用大 O 记法表示。
要知道每一个算法所编写的程序，运行过程中都需要占用大小不等的存储空间，例如：

1. 程序代码本身所占用的存储空间；
2. 程序中如果需要输入输出数据，也会占用一定的存储空间；
3. 程序在运行过程中，可能还需要临时申请更多的存储空间。
   首先，程序自身所占用的存储空间取决于其包含的代码量，如果要压缩这部分存储空间，就要求我们在实现功能的同时，尽可能编写足够短的代码。

程序运行过程中输入输出的数据，往往由要解决的问题而定，即便所用算法不同，程序输入输出所占用的存储空间也是相近的。
事实上，对算法的空间复杂度影响最大的，往往是程序运行过程中所申请的临时存储空间。不同的算法所编写出的程序，其运行时申请的临时存储空间通常会有较大不同。

如果程序所占用的存储空间和输入值无关，则该程序的空间复杂度就为 O(1)；反之，如果有关，则需要进一步判断它们之间的关系：
如果随着输入值 n 的增大，程序申请的临时空间成线性增长，则程序的空间复杂度用 O(n) 表示;
如果随着输入值 n 的增大，程序申请的临时空间成 n2 关系增长，则程序的空间复杂度用 O(n2) 表示；
如果随着输入值 n 的增大，程序申请的临时空间成 n3 关系增长，则程序的空间复杂度用 O(n3) 表示；
等等。

在多数场景中，一个好的算法往往更注重的是时间复杂度的比较，而空间复杂度只要在一个合理的范围内就可以。

数据结构与算法关系

毫无关系！
数据结构用于解决数据存储问题，而算法是思考如何利用存储的数据快速无误地解决问题。