关键字定义
1、数据
数据：是描述客观事物的符号，是计算机中可以操作的对象，是能被计算机识别，并输入给计算机处理的符号集合。
2、数据元素
数据元素：是组成数据的、有一定意义的基本单位，在计算机中通常作为整体处理。也被称为记录。
3、数据项
数据项：一个数据元素可以由若干个数据项组成，数据项是不可分割的最小单位。
4、数据对象
数据对象：是性质相同的数据元素的集合，是数据的子集。
根据例子理解：假设有两张表，上表为人员表，下表为课程表， 表的格式如下：
这两张表就是数据
而单独的一张表就称为数据对象，即人员表是一个数据对象，课程表也是一个数据对象
而每张表中的每一行就称为数据元素
而姓名，性别，身高，课程代号，课程名就称为数据项
逻辑结构：数据的逻辑结构是面向用户的，因此其表现方法可以有：表格、图等我们常见的表示方法
逻辑结构四类型
- 集合：数据元素同属一个集合，单个数据元素之间没有任何关系。
- 线性结构 ：一对一，类似于线性关系，线性结构中的数据元素之间有且只有一个开始元素和一个终端元素。
- 树型结构 ：一对多，一个开始元素（根节点），多个终端元素。
- 图形结构 ：多对多，多个开始元素和多个终端元素。
存储结构：数据结构中四种数据存储结构 --- 顺序存储 链接存储 索引存储 散列存储（hash存储）
- 顺序存储结构：顺序存储结构是把数据元素放到地址连续的存储单元里面，其数据间的逻辑关系和物理关系是一致的。之前学习的数组就是一种顺序存储结构。（如图所示）
- 链式存储结构:链式存储结构：是把数据元素存放在任意的存储单元里面，这组存储单元可以是连续的也可以是不连续的。（如图所示）
根据指针找出相邻元素的位置
- 索引存储方式：每个存储结点只含一个数据元素，所有存储结点连续存放，此外增设一个索引表以指示各存储结点的存储位置或区间端点。
- 散列存储方式：每个存储结点只含一个数据元素，各个结点均匀分布在存储区里，用散列函数指示各存储结点的存储位置或区间端点。
算法和算法分析：算法 + 数据结构 = 程序
算法特性：对特定问题求解步骤的一种描述，是指令的有限序列。一个算法具有以下5个特性：①有穷性 ②确定性 ③可行性 ④有0个或多个输入 ⑤有一个或多个输出
一个算法的优劣应该从以下四方面来评价：①正确性 ②可读性 ③健全性 ④高效性
算法分析：在算法特性要求合格的情况下依据算法效率（时间复杂度，空间复杂度）进行评判;
时间复杂度：时间复杂度是一个估算，我们使用O的渐进表示法：O是用于描述函数渐进行为的数学符号。
概念：算法的时间复杂度是一个函数：（是数学含义上的函数）数据里面带未知数的函数式。
含义：算法在机器中运行所消耗的时间。
实际意义：算法中基本操作的执行次数。
作用和理解：降低占用内存和减少运行时间，提高效率。
大O表示法 ：大O符号（Big O notation）:用于描述函数渐进行为的数学符号（描述时间复杂度）
推导大O阶方法：
1，用常数1取代运行次数中的所有加法常数；
如：int i = 16, j = 100;//执行一次
printf("hello world");//执行一次
printf("%d",i);//执行一次
printf("%d",j);//执行一次上述语句一共执行4次，但时间复杂度并不是O(4)，而是O(1)。
2，在修改后的运行次数函数中，只保留最高阶项；
3，如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶；
含义：（保留最高阶的未知数，不保留常系数）。
如：执行次数为f(n) = 2*n^3+4*n^2+6*n+16，时间复杂度为T(n) = O(f(n)) = O(n^3)
常见的时间复杂度
常见的时间复杂度耗费的时间从小到大的顺序为： O(1)<O(log(m)n)<O(n)<O(n*log(m)n)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)
注意： 最好、最坏和平均时间复杂度一般求解时间复杂度时，需要考虑的是算法的最坏情况。
最好时间复杂度，指的是算法计算量可能达到的最小值。
最坏时间复杂度，指的是算法计算量可能达到的最大值。
平均时间复杂度，是指算法在所有可能情况下，按照输入实例以等概率出现时，算法计算量的加权平均值。
数据类型
数据类型：一般包括整型、实型、字符型等原子类型外，还有数组、结构体和指针等结构类型。
抽象数据类型（ADT）
抽象数据类型（Abstract Data Type,ADT）：类似C语言中的结构体以及C++、java语言中的类。通俗的讲，抽象数据类型，泛指除基本数据类型以外的数据类型。抽象数据类型的概念与面向对象的思想是一致的。