数据结构这门课，感觉像是在搞一场又一场未知的变奏曲，并没有那套严丝合缝、条分缕析的标准乐谱。每一讲的内容，依据的是你脑子里想的东西，而不是教科书上那些刻板的定义。教程讲链表，实际上就是告诉你如何把一串东西慢慢散开要么推挤，中间过程交给你去试错，就算翻车了也没人怪你，毕竟生活嘛，哪儿不会有意外？ 最让新手头疼的，往往是刚看到“二叉树”这俩字，脑子就自动跳出来那种层层叠叠、非左即右的死结构。

实际上树这东西，最厌恶的就是得不得倒，只要你记不住左子树和右子树，哪位告诉你它们务必是严格有序的？就像你小时候看动画片，英雄落单了，要是旁边站着个比他矮的多，要么旁边有个比他高的，你肯定能理出头绪，哪怕剧情有点乱。 举个例子，要是让你画一棵二叉树，哪怕根节点记混了，要么把两个节点的顺序给换了一下，只要二叉树的规则还在，它依然是合法的。图论里的拓扑排序，听起来挺复杂，实际上就是一条线把所有事件给排个先后顺序。

比如你在写代码，先初始化了数组，接下来启动循环，再启动执行算法，最终才终止，这个顺序就是拓扑顺序。

要是反着来，你连个循环都没有，直接从头到尾跑一遍，那算法就失效了，就像你做饭先倒油再放食材，锅都炸了，菜肯定做不好。 讲稀疏矩阵的时候，我突然想到自己那会儿在宿舍住的经历。

那时候大家挤一挤，两个人算两个人，算八个人算八个人，反正哪位也不让哪位占便宜，一旦有人占着那间小床，其他人就得绕道走。矩阵里的稀疏矩阵，就是把空着的那些格子都挖空，剩下的数据挤在一起，这样搜索和访问都特别快。

要是把那些空位填上零，那数据库的存空间就白费了，就像你攒了一堆零钱，结局却用来买那些买不起的奢侈品，钱就没了。 栈和队列这两个东西，听起来就是那种排队和倒水。排队就是队列，按先来后到；倒水就是栈，你先把杯子倒满，哪位先倒哪位拿到，然后你再倒。大量人一上来就想想这个是不是就是动态数组？实际上不是，数组也能够做动区，但栈和队列更强调“先进先出”和“后进先出”这种具体的动作逻辑。

比如你敲代码敲到一半，发现卡住了，这时候你就得撤销一下之前的操作，这叫压栈；等你想起来了，再往回取，这就是弹栈。

要是队列里的人想走，你得一个一个一个个劝，别让人挤在一起，这就是队列的特性。 递归这个概念，最难的地方在于“自己调用自己”。刚启动看的时候，总认定像是在玩捉迷藏，你躲进自己的房间，然后房间里的人又躲进你房间，层层深入，一直钻到堆栈底，最终再一层层往外爬回来。

这过程看起来挺绕，实际上就是在用显式栈解决递归难题，没有显式栈，递归就得靠观察者模式这种更高级的手段，要么干脆就不需求显式栈。 算法的工夫复杂度分析，不是好办地写几个数，而是要看那个增长函数$f(n)$在$n$趋近无穷大时到底是个啥样子。

要是工夫是$O(n)$，那就是线性的，跑得慢一点没关系；要是$O(n^2)$，那就是平方级的，略微加个循环就变慢了；$O(2^n)$就是指数级的，一进一退，略微多走两步，难度就指数级上升。

比如快速排序把数组排好序，要是没有优化成原地递归，那工夫复杂度就是$O(n log n)$，但要是没加那个递归优化，那就变成$O(n^2)$了，这中间的差距，就像你步行要么一步一个台阶，要么跳两步三步，速度天差地别。 空间复杂度，有时候比工夫复杂度高得离谱。一个递归函数，深度是$O(n)$，空间复杂度就是$O(n)$，这看起来凑合。但要是那棵树长得特别长，要么递归调用次数忒多，空间复杂度可能直接变成$O(n^2)$，就连更高。

这时候，你需求权衡一下：是工夫换空间，还是空间换工夫？比如求阶乘，递归解法最直观，但要是$n$挺大，栈溢出就会把你卡死；而用循环写，别看慢点，但能跑起来。 这课程最大的魅力，就在于它教你如何思索，而不是给你现成的答案。数据结构不是死记硬背的公式，而是一种解决难题的思维方式。你赶明儿写任何代码，不管代码写得有多烂，只要你脑子里有这种结构感，只要你能看清数据是如何张罗的，如何流动，如何断开的，那这门课你就确实拿到了钥匙。别怕犯错，数据结构的训练，本质上就是在和自己的逻辑思维摔跤，每一次碰撞，都是你变得更强的证据。