为什么要学数据结构？
学习数据结构的作用就是在理清数据的逻辑关系的前提下，设计出合理的物理存储结构；
若光有算法，没有数据结构，就相当于一个军师有锦囊妙计，但是没有士兵；
对于数据的排序，不仅要想到冒泡（冒泡排序），还有插入排序，快速排序等效率更高的排序算法。
数据机构与算法的关系：
算法分析的目的在于选择合适算法和改进算法。
良好数据结构（影响数据存储和运行的效率）思想就是一种高效的算法，但是数据结构不等于算法。
线性表、栈和队列：解决的是具有“一对一”关系的数据的存储问题；
树：解决的是具有“一对多”（也可以包含“一对一”）关系的数据存储问题；
图：解决的是具有“多对多”（也包含“一对一”和“一对多”）关系的数据存储问题；
线性表（linear_list）：
从逻辑上讲，线性表中的数据是依次排列的，就像南飞的大雁队列（小学生排队过马路）（车队）一样，彼此手拉手，每份数据的前面和后面各有一份数据（有前继和后继）。
用线性表存储的数据有两个特点：
存储的数据本身的类型一定保持相同，是int型就都是int型（不能鹤立鸡群），是结构体就都是一种结构体。
数据一旦用线性表存储，各个数据元素之间的相对位置就固定了。相对位置，指的是各数据元素在逻辑结构上的前后次序。
线性表只对数据的逻辑结构有要求，根据实际存储的物理结构的不同（分散存储或者集中存储）分为链表和顺序表。
在实际存储时，并没有像顺序表那样也相互紧挨着。恰恰相反，数据随机分布在内存中的各个位置，这种存储结构称为线性表的链式存储。
由于分散存储，为了能够体现出数据元素之间的逻辑关系，每个数据元素在存储的同时，要配备一个指针，用于指向它的直接后继元素，
每个元素本身由两部分组成：本身的信息，称为“数据域”；指向直接后继的指针，称为“指针域”
算法的重要性：
对于算法来说一万年太久。“条条大路通罗马”，解决问题的算法有多种，判断哪个算法“更好”。不能只靠时间更需要使用O(n)(大O记法)来客观衡量时间复杂度
O()使用的代码运行的次数来描述
for a in range(0, 1001): #需要运算n次
for b in range(0, 1001-a): #需要运算n次
c = 1000 - a - b #运算两次
if a**2 + b**2 == c**2:
print("a, b, c: %d, %d, %d" % (a, b, c))
时间复杂度为：
T(n) = O(n*n*(1+1)) = O(n*n) = O(n2)
另, 复杂度的计算抓住重要的点
在武侠小说中，高手往往注重内功的修养，而招式则为其次，有了深厚的内力，即使不会招式，也能见招拆招。
算法是一种思想，思想的就具有通用性。 谷歌浏览器相比于其他的浏览器，运行速度要快。是因为它占用了更多的内存空间，以空间换取了时间。（内存大的电脑同理）。