数据结构与算法图解

第1章　数据结构为何重要　　1
1.1　基础数据结构：数组　　1
1.1.1　读取　　3
1.1.2　查找　　5
1.1.3　插入　　7
1.1.4　删除　　8
· · · · · · (更多)

第1章　数据结构为何重要　　1
1.1　基础数据结构：数组　　1
1.1.1　读取　　3
1.1.2　查找　　5
1.1.3　插入　　7
1.1.4　删除　　8
1.2　集合：一条规则决定性能　　10
1.3　总结　　12
第2章　算法为何重要　　13
2.1　有序数组　　13
2.2　查找有序数组　　15
2.3　二分查找　　16
2.4　二分查找与线性查找　　19
2.5　总结　　20
第3章　大O记法　　21
3.1　大O：数步数　　21
3.2　常数时间与线性时间　　22
3.3　同一算法，不同场景　　24
3.4　第三种算法　　24
3.5　对数　　25
3.6　解释O(log N)　　26
3.7　实例　　27
3.8　总结　　28
第4章　运用大O来给代码提速　　29
4.1　冒泡排序　　29
4.2　冒泡排序实战　　30
4.3　冒泡排序的实现　　33
4.4　冒泡排序的效率　　35
4.5　二次问题　　36
4.6　线性解决　　38
4.7　总结　　39
第5章　用或不用大O来优化代码　　40
5.1　选择排序　　40
5.2　选择排序实战　　41
5.3　选择排序的实现　　45
5.4　选择排序的效率　　46
5.5　忽略常数　　47
5.6　大O的作用　　47
5.7　一个实例　　48
5.8　总结　　49
第6章　乐观地调优　　50
6.1　插入排序　　50
6.2　插入排序实战　　51
6.3　插入排序的实现　　55
6.4　插入排序的效率　　56
6.5　平均情况　　58
6.6　一个实例　　60
6.7　总结　　61
第7章　查找迅速的散列表　　62
7.1　探索散列表　　62
7.2　用散列函数来做散列　　63
7.3　一个好玩又赚钱的同义词典　　64
7.4　处理冲突　　65
7.5　找到平衡　　68
7.6　一个实例　　69
7.7　总结　　72
第8章　用栈和队列来构造灵巧的代码　　73
8.1　栈　　73
8.2　栈实战　　75
8.3　队列　　79
8.4　队列实战　　80
8.5　总结　　81
第9章　递归　　82
9.1　用递归代替循环　　82
9.2　基准情形　　83
9.3　阅读递归代码　　84
9.4　计算机眼中的递归　　86
9.5　递归实战　　87
9.6　总结　　89
第10章　飞快的递归算法　　90
10.1　分区　　90
10.2　快速排序　　94
10.3　快速排序的效率　　98
10.4　最坏情况　　101
10.5　快速选择　　103
10.6　总结　　105
第11章　基于结点的数据结构　　106
11.1　链表　　106
11.2　实现一个链表　　107
11.3　读取　　108
11.4　查找　　109
11.5　插入　　110
11.6　删除　　112
11.7　链表实战　　114
11.8　双向链表　　115
11.9　总结　　118
第12章　让一切操作都更快的二叉树　　119
12.1　二叉树　　119
12.2　查找　　121
12.3　插入　　124
12.4　删除　　126
12.5　二叉树实战　　132
12.6　总结　　133
第13章　连接万物的图　　134
13.1　图　　134
13.2　广度优先搜索　　136
13.3　图数据库　　144
13.4　加权图　　146
13.5　Dijkstra算法　　148
13.6　总结　　154
第14章　对付空间限制　　155
14.1　描述空间复杂度的大O记法　　155
14.2　时间和空间之间的权衡　　157
14.3　写在最后的话　　158
· · · · · · (收起)

数据结构与算法并不只是抽象的概念，掌握好的话可以写出更高效、运行得更快的代码，这对于如今盛行的网页和移动应用开发来说尤为重要。如果你最近一次使用算法是在大学课堂上或求职面试时，那你应该还没见识到它的真正威力。 这个主题的大多数资料都有一种通病——晦涩难懂。满纸的数学术语，搞得除非你是数学家，不然真不知道作者在说什么。即使是一些声称“简化”过的书，看起来也好...

• 前　　言
• 第1章　数据结构为何重要