数据结构

时间复杂度 (Time Complexity) 是衡量一个算法运行时间长短的度量标准，它描述了算法的运行时间随着输入规模的增长而变化的趋势。通常使用大 O 符号 (Big O Notation) 来表示时间复杂度，因为它关注的是算法运行时间增长的“数量级”或“增长率”，忽略了常数因子和低阶项，从而能够抽象地比较不同算法的效率。理解时间复杂度对于设计高效算法、选择合适的算法解决问题以及评估程序性能至关重要。 核心思想： 衡量标准：评估算法运行时间的增长趋势，而非实际运行时间。 输入规模 n：算法处理数据量的抽象表示。 大 O 符号 O(f(n))：表示算法运行时间的上界，即最坏情况下的增长率。 关注数量级：忽略常数和低阶项，如 $O(2n+5)$ 简化为 $O(n)$。 分析代码：通过统计基本操作的执行次数来推导。 识别瓶颈：找出代码中最耗时的部分。 一、为什么需要时间复杂度？实际的程序运行时间受到多种因素的影响，包括： 硬件性能：CPU 速度、内存大小。 编程语言：Python 通常比 C++ 慢。 编译器优化：不同的优化级别。 操作系统负载：同时运行的其他进程。...

压缩字典树 (Compressed Trie)，也常被称为 基数树 (Radix Trie) 或 Patricia Trie (Practical Algorithm to Retrieve Information Coded in Alphanumeric)，是一种经过优化的字典树 (Trie) 数据结构。它在标准字典树的基础上，通过合并那些路径上只有一个子节点的节点，显著提高了空间效率，尤其适用于存储具有长公共前缀的字符串集合。 核心思想：标准字典树的每个节点通常只存储一个字符。当路径上出现连续的单子节点时，这些节点可以被合并成一个节点，该节点存储一个字符串片段。这样既能保持字典树的快速前缀查找能力，又能大幅减少节点数量和内存占用。 一、标准字典树 (Trie) 概述及其局限性在深入压缩字典树之前，我们先回顾一下标准字典树 (Trie) 的基本概念。 1.1 标准字典树 (Trie) 定义：Trie 是一种树形数据结构，用于存储字符串集合。它的名称来源于 “retrieval”，意为检索。 结构： 根节点通常为空字符串。 每个节点表示一个字符。 从根节点到任意节点的路...

哈希表 (Hash Table) 是一种高效的数据结构，用于存储键值对 (key-value pairs)，提供快速的查找、插入和删除操作。它的核心思想是利用哈希函数 (Hash Function) 将键映射到数组的某个索引位置。然而，哈希表的性能高度依赖于负载因子 (Load Factor) 的管理，它在空间利用率、查找效率和再哈希 (Resizing/Rehashing) 成本之间扮演着关键的平衡角色。 核心思想：负载因子衡量了哈希表的“满”程度，是决定何时以及如何调整哈希表大小的关键指标，直接影响其性能和资源消耗。 一、哈希表简介与冲突在深入了解负载因子之前，我们先回顾哈希表的基本概念和冲突问题。 1.1 哈希表工作原理哈希表使用一个数组（通常称为桶数组或槽数组）来存储数据。当需要插入一个键值对时： 哈希函数：对键进行哈希计算，得到一个哈希值。 取模运算：将哈希值与桶数组的长度取模，得到一个数组索引。 存储：将键值对存储到该索引位置。 1.2 哈希冲突 (Hash Collision)不同的键经过哈希函数计算后，可能会得到相同的哈希值，进而映射到桶数组...

哈希表（Hash Table），又称散列表，是一种根据键（Key）直接访问存储位置的数据结构。它通过哈希函数将键映射到表中的一个位置来访问记录，从而实现平均 O(1) 时间复杂度的查找、插入和删除操作。哈希表是计算机科学中最重要的数据结构之一，广泛应用于数据库索引、缓存、符号表、唯一性检查等多种场景。 核心思想：哈希表通过哈希函数将任意大小的键映射到固定大小的数组索引，以实现快速的数据存取。 一、哈希表的基本概念哈希表的核心思想是键值映射。它将用户提供的键（key）通过一个特定的函数（哈希函数）转换成一个整数，这个整数就是数据在底层数组中的索引（下标）。 键 (Key): 唯一的标识符，用于查找、插入和删除数据。 值 (Value): 与键关联的数据。 哈希函数 (Hash Function): 将键映射到数组索引的函数。 哈希值 (Hash Value 或 Hash Code): 哈希函数计算出的整数值。 桶/槽 (Bucket/Slot): 底层数组中的一个位置，用于存储键值对。 示意图：哈希表基本概念 12345678910111213141...