数据结构学习框架：从逻辑结构到物理结构，建立整体认知

1. 学数据结构之前，先搞清楚它到底在解决什么问题

很多人学数据结构学得痛苦，不是智商问题，也不是努力不够，而是把一门重度依赖"整体认知"的课，学成了"背知识点"。今天想聊的，就是这件事本身——在啃链表、二叉树、图之前，先建立对数据结构这门学科的框架思维。框架这东西，看不见摸不着，但有没有它，学习效率完全是两回事。

先回答那个最朴素的问题：数据结构到底是什么？

拆开看，就是"数据"和"结构"两个词。数据好理解，就是计算机里存的那些数字、字符、对象。结构呢？是组织方式。所以数据结构干的事情是：研究数据以什么样的方式组织起来，才能让"存""取""查""改"这些操作更快。

我特别喜欢用一个比喻来给不懂的人讲这件事——图书馆。假设一个图书馆的藏书完全没有分类，书随便往书架上放，那找一本书是什么复杂度？每一本都要翻一遍，运气好第一本就中，运气差最后一本才找到，平均下来是 n/2 次，这就是 O(n)。但如果你按照索书号分类排列，再做个索引，找一本书就变成了"走几个固定步骤"的事，效率就完全不同了。

计算机里也一样。同样是一堆学生信息，你随手往数组里塞，查找某个学号就得从头扫到尾；你要是按学号排好序再存，就能二分查找；你要是用散列表存，那就更直接——通过一个函数算出位置，一次定位。

这就是数据结构这门课真正在做的事情：给你一套工具箱，让你面对不同场景时，能选出最合适的组织方式。

那为什么这门课让人感觉难？我观察下来，很大原因在于教材的编排方式。几乎所有经典教材都是顺着讲：线性表、栈、队列、串、树、图、查找、排序……每一章之间看起来是并列关系，学完第3章忘了第1章，很正常，因为你看不到它们之间的递进逻辑。

但如果你站得更高一点看，会发现整门课的结构极其清晰，就四件事：

• 数据之间是一对一关系，那就归入线性结构（数组、链表、栈、队列）
• 数据之间是一对多关系，那就是树形结构（二叉树、堆、哈夫曼树）
• 数据之间是多对多关系，那就是图形结构（图、网）
• 数据之间没有逻辑关系，那就是集合结构（散列表）

所以你把整个学期的内容用一句话就能概括：研究不同逻辑关系的数据，在各式存储方式下，增删改查操作的时间和空间代价。这一句话，就是这门课最核心的框架。剩下的所有章节，都是这个框架下的一个个案例展开。

有了这个整体认知，再去看那些具体知识点，就不会觉得是零散的了。所以这篇文章，我想把这个框架彻底讲透，然后把"怎么用它来指导学习"的方法也一并讲清楚，适合所有正在学或准备学数据结构的人参考，不管你是期末复习、考研，还是在准备面试。

2. 数据结构唯一真正的骨架：逻辑结构与物理结构

如果说数据结构这门课有且只有一个最重要的概念，那就是逻辑结构和物理结构的区分。这个概念第一节课就会讲，但很多人没意识到它就是整门课的骨架，结果学到最后，各种结构混成一团。

2.1 逻辑结构：数据之间的关系，和电脑无关

逻辑结构描述的是数据元素之间存在什么关系，它属于"纯粹抽象的数学模型"，不关心你怎么存储。比如"这些数据一个挨一个排着队"，这就是线性关系；"这个数据下面挂着好几个子数据"，这就是树形关系。

逻辑结构一共就四类：

• 集合结构：元素之间没有逻辑关系，大家就是一个集体里的成员。现实中用得不多，散列表的数学基础可以理解为一种集合。
• 线性结构：元素之间存在一对一的关系。最典型的就是数组、链表，以及它们的"受限版本"——栈和队列。
• 树形结构：元素之间存在一对多的关系。最典型的就是二叉树，往下延伸还有堆、哈夫曼树、二叉搜索树等。
• 图形结构：元素之间存在多对多的关系。最典型的是图，城市间的交通网络就是典型的图。

判断一个结构属于哪一类非常容易，你就看它的关系是几对几。两个人排成一排是一对一；一个班主任管全班同学是一对多；班级之间的球赛对阵是多对多。整个数据结构课程的内容分布，其实就是按照这个分类展开的。线性结构相关的内容能占到课程的一半，剩下的树和图平分秋色。

2.2 物理结构：数据真实存在计算机里的样子

物理结构又叫存储结构，描述的是数据在计算机内存里实际怎么存放。再怎么抽象的逻辑结构，最终都要落实到内存里。内存只有一种最基本的组织方式——连续编号的字节，所以物理结构说白了就是在这块连续空间上变花样。

主流物理结构有四种：

• 顺序存储：把数据紧挨着放到一块连续的内存中，用元素下标的数学关系表达逻辑关系。数组就是最典型的顺序存储。优点是可以通过下标 O(1) 随机访问；缺点是插入和删除需要搬运大量元素，而且要求整块连续空间，空间利用率不灵活。
• 链式存储：数据元素本身可以散落在内存任意角落，每个元素存一个"指针"指向下一个元素。链表就是这么干的。优点是插入删除只需改指针，不需要搬元素；缺点是查找第 k 个元素要顺着指针一个个走，是