当我们遇到一个实际问题时，首先需要解决两件事：
（1）如何将数据存储在计算机中；
（2）用什么方法和策略解决问题。
前者是数据结构，后者是算法。只有数据结构没有算法，相当于只把数据存储到计算机中，而没有有效的方法去处理，就像一幢只有框架的烂尾楼；若只有算法，没有数据结构，就像沙漠里的海市蜃楼，只不过是空中楼阁罢了。
数据是一切能输入计算机中的信息的总和，结构是指数据之间的关系。数据结构就是将数据及其之间的关系有效地存储在计算机中并进行基本操作。算法是对特定问题求解步骤的一种描述，通俗讲就是解决问题的方法和策略。
在遇到一个实际问题时，要充分利用自己所学的数据结构，将数据及其之间的关系有效地存储在计算机中，然后选择合适的算法策略，并用程序高效地实现。这就是Niklaus Wirth教授所说的：“数据结构+算法＝程序”。
高校的计算机专业为本科生都开设了数据结构课程，它是计算机学科知识结构的核心和技术体系的基石，在研究生考试中也是必考科目。随着科学技术的飞速发展，数据结构的基础性地位不仅没有动摇，反而因近年来算法工程师的高薪形势，而得到了业内空前的重视。很多人认为基本的数据结构及操作已经在高级语言（如C++、Java语言）中封装，栈、队列、排序、优先队列等都可以直接调用库函数，学会怎么调用就好了，为什么要重复“造轮子”？那么到底有没有必要好好学习数据结构呢？
学习数据结构有什么用
（1）学习有效存储数据的方法。很多学生在学习数据结构时，问我要不要把单链表插入、删除背下来？要不合上书就不会写了。我非常诧异，为什么要背？理工科技术知识很少需要记忆的，是用的，用的！学习知识不能只靠死记硬背，更重要的是学习处理问题的方法。如何有效地存储数据，不同的数据结构产生什么样的算法复杂性，有没有更好的存储方法提高算法的效率？
（2）处理具有复杂关系的数据。现实中很多具有复杂关系的数据无法通过简单的库函数调用实现。如同现在很多芯片高度集成，完全不需要知道芯片内部如何，直接使用就行了。但是，如果在现实中遇到一个复杂问题，现有的芯片根本无法解决，或者一个芯片只能完成其中一个功能，而我们需要的是完成该复杂问题的一个集成芯片，这时就需要运用所学的数据结构知识来高效处理具有复杂关系的数据。
（3）提高算法效率。很多问题的基础数据结构运行效率较低，需要借助高级数据结构或通过改进数据结构来提高算法效率。
通过学习数据结构，更加准确和深刻地理解不同数据结构之间的共性和联系，学会选择和改进数据结构，高效地设计并实现各种算法，这才是数据结构的精髓。
数据结构为什么那么难
网络上太多的同学吐槽被“虐”，如“滔滔江水连绵不绝”，数据结构太难了！真的很难吗？其实数据结构只是讲了3部分内容：线性结构、树和图。到底难在哪里呢？我通过调查，了解到数据结构难学大概有以下4个原因。
（1）无法接受它的描述方式。数据结构的描述大多是抽象的形式，我们习惯了使用自然语言表达，难以接受数据结构的抽象表达。不止一个学生问我，书上的“ElemType”到底是什么类型？运行时怎么经常提示错误。它的意思就是“元素类型”，只是这样来描述，你需要什么类型就写什么类型，例如int。这样的表达方式会让不少人感到崩溃。
（2）不知道它有什么用处。尽管很多人学习数据结构，但目的各不相同。有的人是应付考试，有的人是参加算法竞赛需要，而很多人不太清楚学习数据结构有什么用处，迷迷糊糊看书、做题、考试。
（3）体会不到其中的妙处。由于教材、教师等各种因素影响，很多学生没有体会到数据结构处理数据的妙处，经常为学不会而焦头烂额，学习重在体会其中的乐趣，有乐趣才有兴趣，兴趣是最好的驱动力。
（4）语言基础不好。我一直强调先看图解，理清思路，再上机。可还是有很多同学已经理解了思路后，因为缺少main函数，输入/输出格式不对，缺少括号等各种语言问题卡壳，而这一切都被戴上了“数据结构太难了”的大帽子。
数据结构学习秘籍
在讲学习秘籍之前，我们首先了解一下数据结构学习的3种境界。
（1）会数据结构的基本操作。学会各种数据结构的基本操作，即取值、查找、插入、删除等，是最基础的要求。先看图解，理解各种数据结构的定义，操作方法，然后看代码，尝试自己动手上机运行，逐渐掌握基本操作。在初学时，要想理解数据结构，一定要学会画图。通过画图形象表达，能更好地体会其中的数据结构关系。因此，初学阶段学习利器是：画图、理解、画图。
（2）会利用数据结构解决实际问题。在掌握了书中的基本操作之后，就可以尝试利用数据结构解决一些实际问题了。先学经典应用问题的解决方法，体会数据结构的使用方法，再做题，独立设计数据结构解决问题。要想熟练应用就必须做大量的题，在做题的过程中体会其中的方法。最好进行专项练习，比如线性表问题、二叉树问题、图问题。这一阶段的学习利器是：做题、反思、做题。
（3）熟练使用和改进数据结构，优化算法。这是最高境界了，也是学习数据结构的精髓所在，单独学习数据结构是无法达到这种境界的。数据结构与算法相辅相成，需要在学习算法的过程中慢慢修炼。在学习算法的同时，逐步熟练应用、改进数据结构，慢慢体会不同数据结构和算法策略的算法复杂性，最终学会利用数据结构改进和优化算法。这一阶段已经在数据结构之上，可以通过在ACM测试系统上刷各种算法题，体会数据结构在算法设计中的应用。这一阶段的学习利器是：刷题、总结、刷题。
数据结构与算法书籍推荐
数据结构与算法之美（全彩印刷）
一些经典的数据结构和算法图书，偏重理论，读者学起来可能感觉比较枯燥。一些趣谈类的数据结构和算法图书，虽然容易读懂，但往往内容不够全面。另外，很多数据结构和算法图书缺少真实的开发场景，读者很难将理论和实践相结合。
为了解决上述问题，本书全面、系统地讲解了常用、常考的数据结构和算法，并结合 300多幅图和上百段代码，让内容变得更加通俗易懂。同时，对于每个知识点，本书结合真实的应用场景进行讲解，采用一问一答的讲解模式，让读者不仅可以掌握理论知识，还可以掌握如何将数据结构和算法应用到实际的开发工作中。
本书分为11章。第1章介绍复杂度分析方法。第2章介绍数组、链表、栈和队列这些基础的线性表数据结构。第3章介绍递归编程技巧、8种经典排序、二分查找及二分查找的变体问题。第4章介绍哈希表、位图、哈希算法和布隆过滤器。第5章介绍树相关的数据结构，包括二叉树、二叉查找树、平衡二叉查找树、递归树和B+树。第6章介绍堆，以及堆的各种应用，包括堆排序、优先级队列、求Top K、求中位数和求百分位数。第7章介绍跳表、并查集、线段树和树状数组这些比较高级的数据结构。第8章介绍字符串匹配算法，包括BF算法、RK算法、BM算法、KMP算法、Trie树和AC自动机。第9章介绍图及相关算法，包括深度优先搜索、广度优先搜索、拓扑排序、Dijkstra算法、Floyd算法、A*算法、Z小生成树算法、Z大流算法和Z大二分匹配等。第10章介绍4种算法思想，包括贪心、分治、回溯和动态规划。第11章介绍4个经典项目中的数据结构和算法的应用，包括Redis、搜索引擎、鉴权限流和短网址服务。另外，附录A为书中的思考题的解答。
数据结构 Python语言描述 第2版
本书主要介绍计算机编程中如下4个主要方面的内容。
（1）编程基础——数据类型、控制结构、算法开发以及通过函数进行程序设计，是解决计算机问题所需要掌握的基本思想。本书用Python编程语言介绍这些核心主题，旨在帮助你通过理解这些主题解决更广泛的问题。
（2）面向对象编程——面向对象编程是用于开发大型软件系统的主要编程范式。本书介绍OOP的基本原理，旨在让你能够熟练地应用它们。和其他教科书不同，本书会引导你开发一个专业的多项集类的框架，以说明这些原理。
（3）数据结构——大多数程序会依赖数据结构解决问题。在最具体的层级，数据结构包含数组以及各种类型的链接结构。本书介绍如何使用这些数据结构来实现各种类型的多项集结构（如栈、队列、列表、树、包、集合、字典和图），还会介绍如何使用复杂度分析来评估这些多项集的不同，进而实现在时间与空间上的权衡。
（4）软件开发生命周期——本书不会设单独的一两章去介绍软件开发技术，而是通过大量的案例全面概述这方面的内容。本书还会强调，编写程序通常并不是解决问题或软件开发里最困难或最具挑战性的部分。
趣学数据结构
本书包括10章。
- 第1章是基础知识，介绍数据结构基础和算法复杂性的计算方法。
- 第2～5章是线性结构，讲解线性表、栈和队列、字符串、数组等的基本操作和应用。
- 第6章是树形结构，讲解树、二叉树、线索二叉树、树和森林以及树的经典应用。
- 第7章是图形结构，讲解图的存储、遍历以及图的经典应用。
- 第8～9章是数据结构的基本应用，讲解查找、排序的方法和算法复杂性比较。
- 第10章是高级数据结构及其应用，讲解优先队列、并查集、B-树、B+树、红黑树等。
本书的每一章中都有大量图解，并给出数据结构的基本操作，最后结合实例帮助读者巩固相关知识点，力求学以致用、举一反三。