学习任何知识都有方法，有的事半功倍，有的事倍功半，这篇文章主要介绍了作者自己对于学习数据结构与算法的认识。

学习算法和数据结构需要掌握的东西并不多，抓住重点，有的放矢，学习算法并没有想象中的难。

什么是数据结构？什么是算法

数据结构与算法都可以从广义和狭义上进行定义。

广义：

• 数据结构：数据的存储结构
  • 图书馆将书籍分门别类，按照一定规律编号
• 算法：操作数据的一组方法
  • 查找一本书可以一本本挨着找，也可以先根据书籍的类别定位具体的书架，再依次查找，不同的查找方法就是不同的**算法**。

狭义：

也是专栏的内容，指的是著名的数据结构和算法，是前人智慧的沉淀和结晶，比如：

• 队列
• 栈
• 二分查找
• 动态规划

这些经典的，最常用的数据结构与算法，是前人从实际操作的场景中抽象得来，经过了非常多的求证和检验，可以高效地帮助我们解决实际的开发问题。

数据结构与算法不能孤立的看待，二者相辅相成，数据结构为算法服务，算法作用在特定的数据结构上。

• 数组这个数据结构具有支持随机访问的特点，而常用的二分查找需要数组做数据结构支撑，如果是一个链表的话，二分查找并不能使用在链表上，因为**链表不支持随机访问**。
• 数组结构是静态的，只是数据的一种组织方式，如果没有算法操作数据，孤立的使用数据结构是没有意义的。

学习基础

虽然算法涉及数学知识，但是这门专栏并不需要很深厚的数学基础。

由浅入深，从概念到应用，只要有高中数学水平，就可以学习。

有编程基础和项目经验更好，这样可以将理论映射到实践，有更加直观的感受，作者会从实际场景出发，不仅教"是什么"，还会讲"为什么"以及"怎么做" what why how。

学习的重点

首先需要学会最基础的重要概念：复杂度分析。也就是怎样分析一个算法的时间复杂度与空间复杂度。

算法和数据结构的存在意义是更省空间，更快速度地存储和处理数据，因此需要有一个标准对这个速度进行量化，这就是复杂度分析方法。

所以首先需要掌握复杂度分析这个基础，才能进行后面的学习。

下面是作者画的脑图，涵盖了主要的数据结构与算法，我重新画一遍，加深记忆：

【画完之后发现了NNN多之前完全没听过的概念，脑子里对算法和数据结构的印象就是那几个常用的...】

作为初学者或非算法工程师，并不需要掌握图中所有的知识点，很多高级数据结构与算法如二分图，最大流等，平时开发中很少用到。

学习需要抓住重点，2/8法则，如果平摊学习的话，学习起来会很吃力。

下面是作者总结的20个最常用最基础的数据结构与算法，集中精力学习即可：

10个最常用数据结构：

• 数组
• 链表
• 栈
• 队列
• 散列表
• 二叉树
• 堆
• 跳表
• 图
• Trie树

10个最常用算法：

• 递归
• 排序
• 二分查找
• 搜索
• 哈希
• 贪心
• 分治
• 回溯
• 动态规划
• 字符串匹配

掌握了上面说到的基础数据结构与算法，再去学复杂的就会很容易了，同时学习不能死记硬背，而是根据算法的**来历，自身的特点，适合解决的问题以及实际应用场景**进行学习。

学习过程中需要多思考，多问为什么，而不能被动的学习。【费曼学习法】

事半功倍的学习技巧

1. 边学边练，适度刷题

建议花一些大块的时间，集中的将涉及的数据结构和算法自己用代码实现一遍，同时适度刷题。

2. 多问、多思考、多互动

学习最好的方法就是几个人一块讨论切磋学习，对应到专栏就是多留言，多看留言。【这个我已经体会到了，留言至少能多学20%的知识】

3. 打怪升级学习法

给自己找乐趣，给自己设计一个切实可行目标，让自己能够体验到不断变强的正反馈，这样就会越学越有动力。

4. 知识需要沉淀，不要试图一下子全部掌握

需要反复实践，反复思考，反复学习，沉淀+思考，慢慢就可以掌握，这个主要是心态上的，不要一下子就想全部掌握，欲速则不达。

Q.E.D.