们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A、B 和 C ： 第 2 章 复杂度分析 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 void 数据缓冲区：在某些数据缓冲区的实现中，也可能会使用环形链表。比如在音频、视频播放器中，数据 流可能会被分成多个缓冲块并放入一个环形链表，以便实现无缝播放。 4.3 列表 列表（list）是一个抽象的数据结构概念，它表示元素的有序集合，支持元素访问、修改、添加、删除和遍历 等操作，无须使用者考虑容量限制的问题。列表可以基于链表或数组实现。 ‧ 链表天然可以看作一个列表，其支持元素增删查改操作，并且可以灵活动态扩容。

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A、B 和 C ： 第 2 章 复杂度分析 www.hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 数据缓冲区：在某些数据缓冲区的实现中，也可能会使用环形链表。比如在音频、视频播放器中，数据 流可能会被分成多个缓冲块并放入一个环形链表，以便实现无缝播放。 4.3 列表 列表（list）是一个抽象的数据结构概念，它表示元素的有序集合，支持元素访问、修改、添加、删除和遍历 等操作，无须使用者考虑容量限制的问题。列表可以基于链表或数组实现。 ‧ 链表天然可以看作一个列表，其支持元素增删查改操作，并且可以灵活动态扩容。

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A、B 和 C ： 第 2 章 复杂度分析 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 void 数据缓冲区：在某些数据缓冲区的实现中，也可能会使用环形链表。比如在音频、视频播放器中，数据 流可能会被分成多个缓冲块并放入一个环形链表，以便实现无缝播放。 4.3 列表 「列表 list」是一个抽象的数据结构概念，它表示元素的有序集合，支持元素访问、修改、添加、删除和遍历 等操作，无须使用者考虑容量限制的问题。列表可以基于链表或数组实现。 ‧ 链表天然可以看作一个列表，其支持元素增删查改操作，并且可以灵活动态扩容。

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 函数 A、B 和 C ： // 算法 A 的时间复杂度：常数阶 void algorithmA(int n) { print(0); 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）

後續章節中詳細介紹。 複雜度分析為我們提供了一把評估演算法效率的“標尺”，使我們可以衡量執行某個演算法所需的時間和空 間資源，對比不同演算法之間的效率。 複雜度是個數學概念，對於初學者可能比較抽象，學習難度相對較高。從這個角度看，複雜度分析可能不太 適合作為最先介紹的內容。然而，當我們討論某個資料結構或演算法的特點時，難以避免要分析其執行速度 和空間使用情況。 綜上所述，建議你在深入學 執行時間，這給預估過程帶來了極大 的難度。 2.3.1 統計時間增長趨勢 時間複雜度分析統計的不是演算法執行時間，而是演算法執行時間隨著資料量變大時的增長趨勢。 “時間增長趨勢”這個概念比較抽象，我們透過一個例子來加以理解。假設輸入資料大小為 ? ，給定三個演算 法 A、B 和 C ： 第 2 章 複雜度分析 www.hello‑algo.com 29 // 演算法 A 的時間複雜度：常數階 資料緩衝區：在某些資料緩衝區的實現中，也可能會使用環形鏈結串列。比如在音訊、影片播放器中， 資料流可能會被分成多個緩衝塊並放入一個環形鏈結串列，以便實現無縫播放。 4.3 串列 串列（list）是一個抽象的資料結構概念，它表示元素的有序集合，支持元素訪問、修改、新增、刪除和走訪 等操作，無須使用者考慮容量限制的問題。串列可以基於鏈結串列或陣列實現。 ‧ 鏈結串列天然可以看作一個串列，其支持元素增刪查改操作，並且可以靈活動態擴容。