資料結構是什麼？看一個生活化的例子
在程式設計的世界裡，有一個常見的理論是資料結構 + 演算法 = 程式。
那什麼是資料結構呢？其實就是指資料的擺放結構，就像我們把衣服收進衣櫥一樣，隨便亂擺可不行，因為之後會很難找到你要的那件衣服。
今天我們就嘗試用生活化的例子來理解什麼是資料結構吧！
目次
前言
本文旨在幫助初次接觸資料結構或自學的朋友釐清整體概念，希望大家在利用其他內容完整的書籍或網路資源學習時能更順利。
文中所舉的例子在細節上難免有失真或缺少一些知識點，還望見諒。有任何想法歡迎留言。
誰適合閱讀本文？
資訊相關科系學生、程式自學或初學者、跟我一樣曾被資料結構搞昏頭的人、這輩子都不會動手寫程式但還是想瞭解一下的人。
典型資料結構
有接觸過資料結構的人一定聽過很多專有名詞，像是堆疊、佇列、鏈結串列、二元樹等等的，這當中有些概念很好理解，有些則不然。
堆疊（Stack）就像疊盤子，我們疊盤子的時候會往最上面放，拿盤子的時候也從最上面先拿，產生所謂先進後出的現象，越早進入堆疊的盤子要等到越晚才能從堆疊取出。
佇列（Queue）就像排隊，先到售票亭的人可以先買票，後到的人只能依序排隊等待，產生所謂先進先出的現象，越早進入佇列的人可以越早離開佇列。
鏈結串列（Linked list）則像火車一樣，一個車廂連接一個車廂，因為列車不是一體成形的，所以每個車廂都可以隨意替換，想要增加車廂、減少車廂也都很容易。
以上三種資料結構都能用貼近生活的例子來說明，所以應該不難理解，但是二元樹就很少會有這麼平易近人的例子，所以初學資料結構時很容易在這裡想放棄。
因為我們往往不是先從宏觀的角度來認識資料結構，所以常常會在中途被專業理論搞得暈頭轉向，最終根本搞不懂那些資料結構有什麼意義。
現在，就讓我們暫時忘記這些專有名詞、拋開程式語言，只用收納衣服的例子來重新理解資料結構的本質。
資料結構就是資料的擺放結構
資料結構，顧名思義就是資料的結構，更明確一點來說是資料的擺放結構。
這裡我們已經知道了兩件事：
(1) 有一種東西被稱作資料
(2) 這些資料需要按某種方式擺放（收納）
在收納衣服的例子中，衣服就是我們的資料，衣櫥是我們放衣服（資料）的地方，我們必須把所有衣服都放進空間有限的衣櫥裡。
這時我們會遇到一個問題：該怎麼收納最好？
這裡的最好是有前提的，你必須知道你未來想怎麼找到並取出某件衣服，才知道現在該如何收納。
所以這裡我們知道了第三件事：
(3) 收納好的資料會在某個時刻需要被取用
收衣服的情境
假如我們的衣櫥很小，只有一個抽屜，所有衣物都只能放進抽屜裡，這時就會有兩種典型的情況：
(1) 如果你希望收納衣服時很方便，那只要有空間就把衣服疊上去、塞進去會是很好的選擇，但是想取出衣服時就得花比較多的時間尋找衣服，甚至還要移開其他堆疊在它上面的衣物才行。
(2) 如果你希望取出衣服時很方便，那收納時就需要花比較多時間找尋、騰出適合的位置，未來才能馬上找到並取出那件衣服。
這是程式設計永遠都在思考的問題，就像收衣、取衣一樣，如果你想收納快速，那取出就會費時費力，如果你想取出快速，那收納就會費時費力，魚與熊掌難以兼得。
總的來說，資料結構其實就是指在衣櫥裡擺放衣服的方式。衣服就是資料，衣櫥就是電腦的記憶體，會收衣服就會資料結構。
然後因為目的不同，所以擺放資料的方式也會不同，並且擺放的方式也會直接影響之後存入新資料、取出舊資料的方式，換句話說，資料結構跟演算法（收衣、取衣的步驟）其實是高度相關的。
資料結構限制了你能採用的演算法、演算法決定了你需要使用什麼資料結構，這部份我們有機會再細講。
時間複雜度、空間複雜度
資料結構跟演算法經常會討論時間複雜度跟空間複雜度，聽起來好像很複雜，但透過前面收衣、取衣的例子，我們可以知道時間複雜度就是指存、取資料所需的時間。
換句話說，根據你收衣、取衣的策略不同，你會花多少時間收納衣服、花多少時間取出衣服，就是時間複雜度想討論的事情。
但為什麼要說是時間複雜度，而不直接說耗時多久呢？這是因為在定義上，我們想知道的是當衣服越來越多之後，同樣的存取策略會不會突然變得很慢。
舉例來說，如果收一件衣服要 1 秒，收兩件衣服要 2 秒，收三件衣服要 3 秒，那收一百件衣服只需要 100 秒嗎？
這就要看你的收納方式了，也許你還是可以維持 1 秒收一件，100 秒收一百件，但也可能收到第十件之後，每件都要花 5 秒，收到第五十件之後，每件都要花 10 秒，這就是時間的複雜度。
除此之外，不同電腦執行同一段程式的耗時也會不同，這也是我們不直接討論耗時的原因。
那空間複雜度呢？其實就是指你衣櫥的大小跟空間利用率。
如果你的衣櫥很大，還可以吊衣服，那你收衣、取衣就會很方便快速，時間複雜度會下降（不容易因為衣服變多而增加收衣、取衣的時間成本），但缺點就是空間利用度很低，很多空間是被浪費掉的（原本可以用來堆疊衣服的空間沒有被使用）。這時候我們會說空間複雜度很高。
如果你的衣櫥很小，所有衣服都只能擠在小小的空間裡，那時間複雜度會上升（衣服變多就要花更多時間移動空間收衣、取衣），但優點是空間利用度很高，幾乎沒有浪費空間。這時候我們會說空間複雜度很低。
時間複雜度跟空間複雜度幾乎是負相關的，一邊高一邊就低。空間大、好收納，花費的時間就少；空間小、難收納，花費的時間就多。
但通常我們都沒有無限大的衣櫥（記憶體），所以只能在這兩者之間取得平衡。
還有就是，高低是相對概念，學術上會用 O(1)、O(n)、O(n2) 的方式來表達複雜度，因為相關書籍跟網路文章很多，這裡就不多提了，有問題的話可以留言討論。
結論
堆疊、佇列、鏈結串列、二元樹都屬於典型的資料結構，在實務上經常會用到，而且是被驗證過、十分有效的通用方法，所以非常值得學習。
但是廣義來說，只要存在一個以上的資料，就一定存在某種結構，也就是有資料就有結構，資料結構是無所不在的，無論你是否有意識到它。
同時，資料結構會直接影響我們能夠使用的演算法，這是它為何很重要的原因之一。
然而，只要你知道：
(1) 為什麼按照某種結構擺放資料很重要
(2) 儲存結構會如何影響你存取資料
(3) 你選擇的儲存結構，對存取時間和空間會有什麼影響
那你就已經瞭解資料結構的核心理念了，可以直接針對自己的需求去思考要使用什麼樣的資料結構，透過實作去驗證它是否真的如預期般有效，而不必過度在意自己是否熟知所有典型資料結構。
也說不定你早就在不知不覺中，運用過典型資料結構了，只是你不知道它在學術上還有個專有名詞而已。
希望這次的介紹會對大家自學典型資料結構時有所幫助～