在上一篇：代碼優化方法論02】選擇合適的數據結構——將昂貴的“時間”轉換爲廉價的“空間” 中，我們學習了時空轉換的思想，而它的核心就是選擇合適的數據結構，將時間複雜度向空間複雜度轉換。那麼該如何選擇合適的數據結構呢？
要想靈活使用數據結構，你需要先弄清楚數據在代碼中被處理、加工的最小單位動作，也就是數據結構的基本操作，有了這些動作之後，你就可以基於此去選擇更合適的數據結構了。
1. 舉個栗子：代碼對數據處理
例1：查找出一個數組中，出現次數最多的那個元素的數值。例如，輸入數組 a = [1,6,3,5,5,5,6 ] 中，查找出現次數最多的數值。
上面這個例子我們在上一篇：【代碼優化方法論 02】 中分析過。使用字典的數據結構能使時間複雜度降低到O(n)，那究竟是什麼讓我們選擇字典呢？下面仔細來聊一聊。
我們先看一下這個任務需要對數據進行哪些操作。我們在解這個題時，核心思路應該是：
- 第一步，根據原始數組計算每個元素出現的次數；
- 第二步，根據第一步的結果，找到出現次數最多的元素。
對於上面的第一步，可以提取出的基本數據操作有：
- 查找： 看能否在數據結構中查找到這個元素，也就是判斷元素是否出現過。
- 新增： 針對沒有出現過的情況，新增這個元素。
- 改動： 針對出現過的情況，需要對這個元素出現的次數加 1。
對於上面的第二步，可以提取出的基本數據操作有：
- 查找：訪問數據結構中的每個元素，找到次數最多的元素。
由此可見，本任務會重複使用到查找。而能在 O(1) 的時間複雜度內完成查找動作的數據結構，只有字典類型。因此選擇字典結構可能會比其他數據結構效率更高，事實也是如此。
注：此題解法可參考：【代碼優化方法論 02】
2. 數據處理的基本操作
設計合理的數據結構，要從問題本身出發，我們可以採用這樣的思考順序：
- 分析這段代碼到底對數據先後進行了哪些操作。
- 根據分析出來的數據操作，找到合理的數據結構。
這樣我們就把數據處理的基本操作梳理了出來。今後，即使你遇到更復雜的問題，無非就是這些基本操作的疊加和組合。只要按照上述的邏輯進行思考，就可以輕鬆設計出合理的數據結構。
數據處理的操作就是找到需要處理的數據，計算結果，再把結果保存下來。這個過程總結爲以下操作：
- 找到要處理的數據。這就是按照某些條件進行查找。
- 把結果存到一個新的內存空間中。這就是在現有數據上進行新增。
- 把結果存到一個已使用的內存空間中。這需要先刪除內存空間中的已有數據，再新增新的數據。
3. 方法論
經過對問題的拆解，你會發現即便是很複雜的代碼，它對數據的處理也只有這 3 個基本操作，增、刪、查。只要圍繞這 3 個數據處理的操作進行分析，就能選擇出合適的方案。總結下來，我們在思考代碼優化時，可以從以下三個問題入手：
- 這段代碼對數據進行了哪些操作？
- 這些操作中，哪個操作最影響效率，對時間複雜度的損耗最大？
- 哪種數據結構最能幫助你提高數據操作的使用效率？
對於前面兩個問題，圍繞數據處理的基本操作，這可以通過刷題加深我們的理解。對於第3個問題，就需要我們去掌握相應的數據結構基礎知識，這個我在後面也會逐漸整理出來。
參考鏈接：https://kaiwu.lagou.com/course/courseInfo.htm?courseId=185#/detail/pc?id=3341