大厂数据结构与算法是技术面试中的关键考察点。文章深入浅出地讲解了数组、链表、堆、栈、集合、映射、树、图和字符串处理等基础与高级数据结构，以及相关算法，强调了它们在解决复杂问题和优化程序性能中的重要性。通过示例代码，文章详细展示了每个数据结构的实现与应用，旨在帮助读者构建扎实的数据结构与算法基础，提升解决实际问题的能力。
数组与链表数组
数组是一种基本的数据结构，它允许使用整数索引来访问其中的元素。数组在大厂面试中经常被用来测试候选人的基础理解能力。以下是一个简单的数组操作示例：
def print_array(arr):
for elem in arr:
print(elem)
my_array = [10, 20, 30, 40, 50]
print_array(my_array)链表
链表是由一系列节点组成的，每个节点包含数据和指向下一个节点的指针。链表在动态数据管理、内存分配等领域有广泛应用。以下是一个简单的单向链表的实现：
class Node:
def __init__(self, data):
self.data = data
self.next = None
class LinkedList:
def __init__(self):
self.head = None
def append(self, data):
new_node = Node(data)
if not self.head:
self.head = new_node
else:
current = self.head
while current.next:
current = current.next
current.next = new_node
def print_list(self):
current = self.head
while current:
print(current.data, end=" ")
current = current.next
print()
my_list = LinkedList()
my_list.append(1)
my_list.append(2)
my_list.append(3)
my_list.print_list()堆
堆是一种特殊的完全二叉树，通常用于实现优先级队列。堆排序算法利用了堆的性质，是面试中常见的排序算法。
import heapq
def heap_sort(arr):
heapq.heapify(arr)
return [heapq.heappop(arr) for _ in range(len(arr))]
arr = [10, 2, 30, 5, 7, 6, 4]
sorted_arr = heap_sort(arr)
print(sorted_arr)栈
栈是一种后进先出（LIFO）的数据结构。在实现函数调用、表达式求值等场景中常用到栈。
def is_balanced(expression):
stack = []
for char in expression:
if char in "({[":
stack.append(char)
else:
if not stack or not (stack[-1] + char in ['()', '{}', '[]']):
return False
stack.pop()
return not stack
expression = "({[]})"
print(is_balanced(expression)) # 输出 True集合
集合是一种无序且不包含重复元素的数据结构。在处理数据去重、集合操作等场景中常见。
def union(set1, set2):
return set1 | set2
def intersection(set1, set2):
return set1 & set2
set1 = {1, 2, 3}
set2 = {3, 4, 5}
print(union(set1, set2)) # 输出 {1, 2, 3, 4, 5}
print(intersection(set1, set2)) # 输出 {3}映射
映射（字典）是一种键值对的数据结构，常用于快速查找、存储和操作数据。
def count_letters(text):
letter_counts = {}
for char in text:
if char in letter_counts:
letter_counts[char] += 1
else:
letter_counts[char] = 1
return letter_counts
text = "hello world"
print(count_letters(text)) # 输出 {'h': 1, 'e': 1, 'l': 3, 'o': 2, ' ': 1, 'w': 1, 'r': 1, 'd': 1}除了上述基本数据结构，深入学习高级数据结构如树、图、字符串处理等，对于解决更复杂的算法问题至关重要。
树结构
二叉树
二叉树是一种特殊的树结构，每个节点最多有两个子节点。
class TreeNode:
def __init__(self, value):
self.left = None
self.right = None
self.val = value
def inorder_traversal(root):
if root:
inorder_traversal(root.left)
print(root.val, end=" ")
inorder_traversal(root.right)
root = TreeNode(1)
root.left = TreeNode(2)
root.right = TreeNode(3)
inorder_traversal(root) # 输出 2 1 3AVL树与红黑树
AVL树和红黑树是自平衡二叉搜索树的两种实现方式。
图结构
图是一种复杂的数据结构，用于表示实体之间的关系。图的表示有邻接矩阵和邻接表两种方式，遍历算法包括深度优先搜索（DFS）和广度优先搜索（BFS）。
class Graph:
def __init__(self):
self.graph = {}
def add_edge(self, src, dest):
if src in self.graph:
self.graph[src].append(dest)
else:
self.graph[src] = [dest]
def bfs(self, start):
visited = {start}
queue = [start]
while queue:
vertex = queue.pop(0)
print(vertex, end=" ")
for neighbor in self.graph.get(vertex, []):
if neighbor not in visited:
visited.add(neighbor)
queue.append(neighbor)
g = Graph()
g.add_edge('A', 'B')
g.add_edge('A', 'C')
g.add_edge('B', 'D')
g.add_edge('C', 'E')
g.bfs('A') # 输出 A B C D E字符串处理
字符串处理在许多应用中都有重要作用，例如在搜索、加密、解析等领域。常用算法包括字符串查找（如KMP算法）、字符串匹配（如Boyer-Moore算法）等。
def kmp_search(pattern, text):
lps = [0] * len(pattern)
length = 0
i = 1
while i < len(pattern):
if pattern[i] == pattern[length]:
length += 1
lps[i] = length
i += 1
else:
if length != 0:
length = lps[length - 1]
else:
lps[i] = 0
i += 1
j = 0
for i in range(len(text)):
while j > 0 and text[i] != pattern[j]:
j = lps[j - 1]
if text[i] == pattern[j]:
j += 1
if j == len(pattern):
print("Found pattern at index", i - j + 1)
j = lps[j - 1]
kmp_search('ababc', 'abcabcababcab') # 输出 Found pattern at index 0在实际开发中，掌握如何高效地使用数据结构和算法至关重要。代码优化包括但不限于：
- 数据结构的选择：根据问题的具体需求选择合适的数据结构，如使用哈希表进行快速查找，使用堆进行优先级队列操作。
- 算法的选择：针对不同的问题场景，选择最佳的时间复杂度和空间复杂度的算法。
- 性能优化：使用缓存（如闭包、装饰器）减少重复计算，使用多线程或异步I/O提高并发性能。
- 代码复审与调试：定期进行代码复审，利用单元测试、集成测试等手段确保代码的质量和稳定性。
实战项目案例分享对于理解和应用数据结构与算法非常有帮助。例如，构建一个推荐系统、分析大数据集、实现网络爬虫等，都可以作为实战项目的例子。
学习数据结构与算法的过程充满了挑战和乐趣，不断实践和优化代码是提升技术能力的有效途径。通过不断积累实战经验，你将能够更好地应对大厂面试中的各种数据结构和算法问题。
随时随地看视频
