Sedan uppfinningen av datorer har människor använt termen ' Data ' för att hänvisa till datorinformation, antingen överförd eller lagrad. Det finns dock data som finns i ordertyper också. Data kan vara siffror eller texter skrivna på ett papper, i form av bitar och bytes lagrade i minnet av elektroniska enheter, eller fakta lagrade i en persons sinne. När världen började moderniseras blev denna data en viktig aspekt av allas vardag, och olika implementeringar gjorde det möjligt för dem att lagra dem på olika sätt.

Data är en samling fakta och siffror eller en uppsättning värden eller värden av ett specifikt format som hänvisar till en enda uppsättning objektvärden. Dataposterna klassificeras sedan i underposter, vilket är gruppen av poster som inte är känd som den enkla primära formen av objektet.

Låt oss överväga ett exempel där ett anställds namn kan delas upp i tre underpunkter: Första, Mellan och Sist. Ett ID som tilldelas en anställd kommer dock i allmänhet att betraktas som en enda artikel.

Figur 1: Representation av dataobjekt

I exemplet som nämns ovan är objekten som ID, Ålder, Kön, Första, Mellan, Sist, Gata, Ort, etc. elementära dataobjekt. Däremot är namnet och adressen gruppdataobjekt.

Vad är datastruktur?

Datastruktur är en gren inom datavetenskap. Studiet av datastruktur gör det möjligt för oss att förstå organisationen av data och hanteringen av dataflödet för att öka effektiviteten i varje process eller program. Datastruktur är ett särskilt sätt att lagra och organisera data i datorns minne så att dessa data enkelt kan hämtas och effektivt utnyttjas i framtiden när det behövs. Data kan hanteras på olika sätt, som den logiska eller matematiska modellen för en specifik organisation av data är känd som en datastruktur.

Omfattningen av en viss datamodell beror på två faktorer:

1. För det första måste den laddas tillräckligt in i strukturen för att återspegla den definitiva korrelationen mellan data och ett verkligt objekt.
2. För det andra bör bildningen vara så enkel att man kan anpassa sig för att behandla data effektivt närhelst det behövs.

Några exempel på datastrukturer är arrayer, länkade listor, stack, kö, träd etc. Datastrukturer används i stor utsträckning i nästan alla aspekter av datavetenskap, t.ex. kompilatordesign, operativsystem, grafik, artificiell intelligens och många fler.

Datastrukturer är huvuddelen av många datavetenskapliga algoritmer eftersom de tillåter programmerare att hantera data på ett effektivt sätt. Det spelar en avgörande roll för att förbättra prestandan för ett program eller mjukvara, eftersom programmets huvudsakliga syfte är att lagra och hämta användarens data så snabbt som möjligt.

array av strängar i c-programmering

Grundläggande terminologier relaterade till datastrukturer

Datastrukturer är byggstenarna i alla program eller program. Att välja lämplig datastruktur för ett program är en extremt utmanande uppgift för en programmerare.

Följande är några grundläggande terminologier som används närhelst datastrukturerna är inblandade:

Data:Vi kan definiera data som ett elementärt värde eller en samling värden. Till exempel är den anställdes namn och ID de uppgifter som är relaterade till den anställde.Dataobjekt:En enskild värdeenhet kallas dataobjekt.Gruppobjekt:Dataobjekt som har underordnade dataobjekt kallas gruppobjekt. Till exempel kan en anställds namn ha ett för-, mellan- och efternamn.Elementära föremål:Dataobjekt som inte kan delas upp i underposter kallas elementära objekt. Till exempel ID för en anställd.Entitet och attribut:En klass av vissa objekt representeras av en Entitet. Den består av olika attribut. Varje attribut symboliserar den specifika egenskapen för den enheten. Till exempel,

Enheter med liknande attribut bildar en Entitetsuppsättning . Varje attribut för en entitetsuppsättning har ett värdeintervall, uppsättningen av alla möjliga värden som skulle kunna tilldelas det specifika attributet.

Termen 'information' används ibland för data med givna attribut av meningsfull eller bearbetad data.

Fält:En enda elementär informationsenhet som symboliserar en entitets attribut kallas fält.Spela in:En samling av olika dataobjekt kallas en post. Till exempel, om vi talar om anställd enhet, då dess namn, id, adress och tjänstetitel kan grupperas för att bilda posten för den anställde.Fil:En samling av olika poster av en enhetstyp kallas en fil. Till exempel, om det finns 100 anställda, kommer det att finnas 25 poster i den relaterade filen som innehåller data om varje anställd.

Förstå behovet av datastrukturer

Eftersom applikationer blir mer komplexa och mängden data ökar varje dag, vilket kan leda till problem med datasökning, bearbetningshastighet, hantering av flera förfrågningar och många fler. Datastrukturer stöder olika metoder för att organisera, hantera och lagra data effektivt. Med hjälp av Data Structures kan vi enkelt gå igenom dataposterna. Datastrukturer ger effektivitet, återanvändbarhet och abstraktion.

Varför ska vi lära oss datastrukturer?

1. Datastrukturer och algoritmer är två av nyckelaspekterna inom datavetenskap.
2. Datastrukturer tillåter oss att organisera och lagra data, medan algoritmer tillåter oss att bearbeta dessa data på ett meningsfullt sätt.
3. Att lära oss datastrukturer och algoritmer kommer att hjälpa oss att bli bättre programmerare.
4. Vi kommer att kunna skriva kod som är mer effektiv och tillförlitlig.
5. Vi kommer också att kunna lösa problem snabbare och mer effektivt.

Förstå målen för datastrukturer

Datastrukturer uppfyller två kompletterande mål:

Rätthet:Datastrukturer är designade för att fungera korrekt för alla typer av indata baserat på domänen av intresse. Med ord, korrekthet utgör det primära målet för datastrukturen, vilket alltid beror på de problem som datastrukturen är tänkt att lösa.Effektivitet:Datastrukturer måste också vara effektiva. Det bör behandla data snabbt utan att använda många datorresurser som minnesutrymme. I ett realtidsläge är effektiviteten hos en datastruktur en nyckelfaktor för att avgöra framgång och misslyckande för processen.

Förstå några nyckelfunktioner i datastrukturer

Några av de viktiga egenskaperna hos datastrukturer är:

Robusthet:Generellt strävar alla datorprogrammerare efter att producera mjukvara som ger korrekt utdata för alla möjliga indata, tillsammans med effektiv exekvering på alla hårdvaruplattformar. Denna typ av robust programvara måste hantera både giltiga och ogiltiga indata.Anpassningsförmåga:Att bygga program som webbläsare, ordbehandlare och sökmotor på Internet inkluderar enorma programvarusystem som kräver korrekt och effektivt arbete eller utförande i många år. Dessutom utvecklas mjukvara på grund av framväxande teknologier eller ständigt föränderliga marknadsförhållanden.Återanvändbarhet:Funktioner som återanvändbarhet och anpassningsbarhet går hand i hand. Det är känt att programmeraren behöver många resurser för att bygga vilken programvara som helst, vilket gör det till ett kostsamt företag. Men om mjukvaran är utvecklad på ett återanvändbart och anpassningsbart sätt kan den tillämpas i de flesta framtida applikationer. Genom att exekvera kvalitetsdatastrukturer är det alltså möjligt att bygga återanvändbar mjukvara, vilket verkar vara kostnadseffektivt och tidsbesparande.

Klassificering av datastrukturer

En datastruktur levererar en strukturerad uppsättning variabler relaterade till varandra på olika sätt. Den utgör grunden för ett programmeringsverktyg som anger förhållandet mellan dataelementen och låter programmerare bearbeta data effektivt.

java sträng till heltalskonvertering

Vi kan klassificera datastrukturer i två kategorier:

1. Primitiv datastruktur
2. Icke-primitiv datastruktur

Följande figur visar de olika klassificeringarna av datastrukturer.

Figur 2: Klassificeringar av datastrukturer

Primitiva datastrukturer

Primitiva datastrukturerär datastrukturerna som består av siffrorna och de tecken som kommer inbyggd in i program.
1. Dessa datastrukturer kan manipuleras eller styras direkt av instruktioner på maskinnivå.
2. Grundläggande datatyper som Heltal, Flytande, Karaktär , och Boolean kommer under de primitiva datastrukturerna.
3. Dessa datatyper kallas också Enkla datatyper , eftersom de innehåller tecken som inte kan delas upp ytterligare

Icke-primitiva datastrukturer

Icke-primitiva datastrukturerär de datastrukturer som härrör från primitiva datastrukturer.
1. Dessa datastrukturer kan inte manipuleras eller styras direkt av instruktioner på maskinnivå.
2. Fokus för dessa datastrukturer är att bilda en uppsättning dataelement som är antingen homogen (samma datatyp) eller heterogen (olika datatyper).
3. Baserat på strukturen och arrangemanget av data kan vi dela in dessa datastrukturer i två underkategorier -
   1. Linjära datastrukturer
   2. Icke-linjära datastrukturer

Linjära datastrukturer

En datastruktur som bevarar en linjär koppling mellan dess dataelement kallas en linjär datastruktur. Arrangemanget av data görs linjärt, där varje element består av efterföljare och föregångare förutom det första och det sista dataelementet. Det är dock inte nödvändigtvis sant i fallet med minne, eftersom arrangemanget kanske inte är sekventiellt.

Baserat på minnesallokering klassificeras de linjära datastrukturerna ytterligare i två typer:

Statiska datastrukturer:Datastrukturerna med en fast storlek är kända som statiska datastrukturer. Minnet för dessa datastrukturer tilldelas vid kompilatorn och deras storlek kan inte ändras av användaren efter att ha kompilerats; data som lagras i dem kan dock ändras.
De Array är det bästa exemplet på den statiska datastrukturen eftersom de har en fast storlek och dess data kan ändras senare.Dynamiska datastrukturer:Datastrukturerna som har en dynamisk storlek är kända som dynamiska datastrukturer. Minnet för dessa datastrukturer allokeras vid körtiden och deras storlek varierar under kodens körtid. Dessutom kan användaren ändra storleken och de dataelement som lagras i dessa datastrukturer vid kodens körningstid.
Länkade listor, stackar , och Svansar är vanliga exempel på dynamiska datastrukturer

Typer av linjära datastrukturer

Följande är listan över linjära datastrukturer som vi vanligtvis använder:

1. Matriser

En Array är en datastruktur som används för att samla in flera dataelement av samma datatyp till en variabel. Istället för att lagra flera värden av samma datatyper i separata variabelnamn, kan vi lagra dem alla tillsammans till en variabel. Detta uttalande innebär inte att vi kommer att behöva förena alla värden av samma datatyp i något program till en array av den datatypen. Men det kommer ofta att finnas tillfällen då vissa specifika variabler av samma datatyper alla är relaterade till varandra på ett sätt som är lämpligt för en array.

En Array är en lista med element där varje element har en unik plats i listan. Dataelementen i arrayen delar samma variabelnamn; var och en har dock ett olika indexnummer som kallas en sänkning. Vi kan komma åt vilket dataelement som helst från listan med hjälp av dess plats i listan. Sålunda är nyckelegenskapen hos arrayerna att förstå att data lagras i angränsande minnesplatser, vilket gör det möjligt för användarna att gå igenom dataelementen i arrayen med deras respektive index.

Figur 3. En Array

Arrayer kan klassificeras i olika typer:

Endimensionell array:En array med endast en rad med dataelement kallas en endimensionell array. Den lagras i stigande lagringsplats.Tvådimensionell array:En matris som består av flera rader och kolumner med dataelement kallas en tvådimensionell matris. Det är också känt som en matris.Flerdimensionell matris:Vi kan definiera Multidimensional Array som en Array of Array. Flerdimensionella arrayer är inte begränsade till två index eller två dimensioner eftersom de kan inkludera så många index som behövs.

Några tillämpningar av Array:

1. Vi kan lagra en lista över dataelement som tillhör samma datatyp.
2. Array fungerar som en extra lagring för andra datastrukturer.
3. Arrayen hjälper också till att lagra dataelement i ett binärt träd med det fasta antalet.
4. Array fungerar också som en lagring av matriser.

2. Länkade listor

ordning efter slumpmässig sql

A Länkad lista är ett annat exempel på en linjär datastruktur som används för att lagra en samling dataelement dynamiskt. Dataelement i denna datastruktur representeras av noderna, anslutna med länkar eller pekare. Varje nod innehåller två fält, informationsfältet består av faktiska data och pekfältet består av adressen till de efterföljande noderna i listan. Pekaren för den sista noden i den länkade listan består av en nollpekare, eftersom den pekar på ingenting. Till skillnad från Arrays kan användaren dynamiskt justera storleken på en länkad lista enligt kraven.

Figur 4. En länkad lista

Länkade listor kan klassificeras i olika typer:

Enkelt länkad lista:En enkellänkad lista är den vanligaste typen av länkad lista. Varje nod har data och ett pekfält som innehåller en adress till nästa nod.Dubbellänkad lista:En dubbellänkad lista består av ett informationsfält och två pekarfält. Informationsfältet innehåller data. Det första pekarfältet innehåller en adress för den föregående noden, medan ett annat pekarfält innehåller en referens till nästa nod. Således kan vi gå i båda riktningarna (bakåt såväl som framåt).Cirkulär länkad lista:Circular Linked List liknar Single Linked List. Den enda nyckelskillnaden är att den sista noden innehåller adressen till den första noden, som bildar en cirkulär slinga i den cirkulära länkade listan.

Några tillämpningar av länkade listor:

1. De länkade listorna hjälper oss att implementera stackar, köer, binära träd och grafer av fördefinierad storlek.
2. Vi kan även implementera Operativsystems funktion för dynamisk minneshantering.
3. Länkade listor tillåter också polynomimplementering för matematiska operationer.
4. Vi kan använda Circular Linked List för att implementera operativsystem eller applikationsfunktioner som Round Robin utför uppgifter.
5. Cirkulär länkad lista är också användbart i ett bildspel där en användare måste gå tillbaka till den första bilden efter att den sista bilden har presenterats.
6. Dubbellänkad lista används för att implementera framåt- och bakåtknappar i en webbläsare för att flytta framåt och bakåt på de öppna sidorna på en webbplats.

3. Stackar

A Stack är en linjär datastruktur som följer LIFO (Sist in, först ut) princip som tillåter operationer som infogning och radering från ena änden av stacken, dvs. Top. Stackar kan implementeras med hjälp av angränsande minne, en Array och icke-angränsande minne, en länkad lista. Verkliga exempel på högar är högar med böcker, en kortlek, högar med pengar och många fler.

Figur 5. Ett verkligt exempel på Stack

Ovanstående figur representerar det verkliga exemplet på en stapel där operationerna endast utförs från ena änden, som att infoga och ta bort nya böcker från toppen av stapeln. Det innebär att infogning och borttagning i stacken endast kan göras från toppen av stapeln. Vi kan bara komma åt stackens toppar vid varje given tidpunkt.

De primära operationerna i stacken är följande:

Skjuta på:Operation för att infoga ett nytt element i stapeln kallas push-operation.Pop:Åtgärd för att ta bort eller ta bort element från stapeln kallas Pop Operation.

Bild 6. En stack

Några tillämpningar av stackar:

1. Stacken används som en tillfällig lagringsstruktur för rekursiva operationer.
2. Stack används också som Auxiliary Storage Structure för funktionsanrop, kapslade operationer och uppskjutna/uppskjutna funktioner.
3. Vi kan hantera funktionsanrop med hjälp av Stacks.
4. Stackar används också för att utvärdera aritmetiska uttryck i olika programmeringsspråk.
5. Stackar är också användbara för att konvertera infix-uttryck till postfix-uttryck.
6. Stackar tillåter oss att kontrollera uttryckets syntax i programmeringsmiljön.
7. Vi kan matcha parenteser med Stacks.
8. Stackar kan användas för att vända en sträng.
9. Stackar är till hjälp för att lösa problem baserat på backtracking.
10. Vi kan använda Stacks i djup-först-sökning i grafer och trädgenomgång.
11. Stackar används också i operativsystemets funktioner.
12. Stackar används också i UNDO- och REDO-funktionerna i en redigering.

4. Svansar

A Kö är en linjär datastruktur som liknar en Stack med vissa begränsningar när det gäller infogning och borttagning av elementen. Infogningen av ett element i en kö görs i ena änden, och borttagningen görs i en annan eller motsatt ände. Således kan vi dra slutsatsen att ködatastrukturen följer FIFO-principen (First In, First Out) för att manipulera dataelementen. Implementering av köer kan göras med hjälp av Arrays, Linked Lists eller Stacks. Några verkliga exempel på köer är en kö vid biljettdisken, en rulltrappa, en biltvätt och många fler.

Bild 7. Ett verkligt exempel på kö

Bilden ovan är en verklig illustration av en biobiljettdisk som kan hjälpa oss att förstå Kön där kunden som kommer först alltid serveras först. Kunden som kommer sist kommer utan tvekan att betjänas sist. Båda ändarna av kön är öppna och kan utföra olika operationer. Ett annat exempel är en food court-linje där kunden sätts in från den bakre änden medan kunden tas bort i fronten efter att ha tillhandahållit den service de efterfrågade.

Följande är de primära operationerna för kön:

Kö:Införandet eller tillägget av vissa dataelement till kön kallas Enqueue. Elementinsättningen görs alltid med hjälp av den bakre visaren.Avkö:Att ta bort eller ta bort dataelement från kön kallas Dequeue. Raderingen av elementet görs alltid med hjälp av frontpekaren.

Figur 8. Kö

Några tillämpningar av köer:

1. Köer används vanligtvis i breddsökningsoperationen i Graphs.
2. Köer används också i Job Scheduler Operations of Operating Systems, som en tangentbordsbuffertkö för att lagra de tangenter som användarna trycker på och en utskriftsbuffertkö för att lagra de dokument som skrivs ut av skrivaren.
3. Köer ansvarar för CPU-schemaläggning, jobbschemaläggning och diskschemaläggning.
4. Prioritetsköer används vid filnedladdning i en webbläsare.
5. Köer används också för att överföra data mellan kringutrustning och CPU.
6. Köer är också ansvariga för att hantera avbrott som genereras av användarapplikationerna för CPU:n.

Icke-linjära datastrukturer

Icke-linjära datastrukturer är datastrukturer där dataelementen inte är ordnade i sekventiell ordning. Här är det inte möjligt att infoga och ta bort data på ett linjärt sätt. Det finns ett hierarkiskt förhållande mellan de enskilda dataposterna.

Typer av icke-linjära datastrukturer

Följande är listan över icke-linjära datastrukturer som vi vanligtvis använder:

1. Träd

Ett träd är en icke-linjär datastruktur och en hierarki som innehåller en samling noder så att varje nod i trädet lagrar ett värde och en lista med referenser till andra noder ('barnen').

Träddatastrukturen är en specialiserad metod för att ordna och samla in data i datorn för att kunna användas mer effektivt. Den innehåller en central nod, strukturella noder och subnoder anslutna via kanter. Vi kan också säga att träddatastrukturen består av rötter, grenar och löv kopplade.

Bild 9. Ett träd

hur man hittar blockerade nummer på Android

Träd kan delas in i olika typer:

Binärt träd:En träddatastruktur där varje föräldernod kan ha högst två barn kallas ett binärt träd.Binärt sökträd:Ett binärt sökträd är en träddatastruktur där vi enkelt kan upprätthålla en sorterad lista med siffror.AVL-träd:Ett AVL-träd är ett självbalanserande binärt sökträd där varje nod upprätthåller extra information känd som en balansfaktor vars värde är antingen -1, 0 eller +1.B-träd:Ett B-träd är en speciell typ av självbalanserande binärt sökträd där varje nod består av flera nycklar och kan ha fler än två barn.

Några tillämpningar av träd:

1. Träd implementerar hierarkiska strukturer i datorsystem som kataloger och filsystem.
2. Träd används också för att implementera navigeringsstrukturen på en webbplats.
3. Vi kan generera kod som Huffmans kod med hjälp av Trees.
4. Träd är också användbara vid beslutsfattande i spelapplikationer.
5. Träd är ansvariga för att implementera prioritetsköer för prioritetsbaserade OS-schemaläggningsfunktioner.
6. Träd är också ansvariga för att analysera uttryck och satser i kompilatorerna för olika programmeringsspråk.
7. Vi kan använda träd för att lagra datanycklar för indexering för Database Management System (DBMS).
8. Spanning Trees tillåter oss att dirigera beslut i dator- och kommunikationsnätverk.
9. Träd används också i sökvägsalgoritmen som implementeras i applikationer för artificiell intelligens (AI), robotik och videospel.

2. Grafer

En graf är ett annat exempel på en icke-linjär datastruktur som omfattar ett ändligt antal noder eller hörn och kanterna som förbinder dem. Graferna används för att ta itu med problem i den verkliga världen där det betecknar problemområdet som ett nätverk såsom sociala nätverk, kretsnätverk och telefonnätverk. Till exempel kan noderna eller hörnen i en graf representera en enskild användare i ett telefonnät, medan kanterna representerar länken mellan dem via telefon.

Grafdatastrukturen, G anses vara en matematisk struktur som består av en uppsättning hörn, V och en uppsättning kanter, E som visas nedan:

G = (V,E)

Bild 10. En graf

Ovanstående figur representerar en graf med sju hörn A, B, C, D, E, F, G och tio kanter [A, B], [A, C], [B, C], [B, D], [B, E], [C, D], [D, E], [D, F], [E, F] och [E, G].

Beroende på positionen för hörn och kanter kan graferna klassificeras i olika typer:

Null-graf:En graf med en tom uppsättning kanter kallas en nollgraf.Trivial graf:En graf som bara har en vertex kallas en trivial graf.Enkel graf:En graf med varken självslingor eller flera kanter kallas en enkel graf.Multi Graph:En graf sägs vara Multi om den består av flera kanter men inga självloopar.Pseudograf:En graf med självslingor och flera kanter kallas en pseudograf.Icke-riktad graf:En graf som består av icke-riktade kanter kallas en icke-riktad graf.Riktad graf:En graf som består av de riktade kanterna mellan hörnen är känd som en riktad graf.Ansluten graf:En graf med minst en enda väg mellan varje par av hörn kallas för en sammankopplad graf.Frånkopplad graf:En graf där det inte finns någon väg mellan minst ett par hörn kallas för en frånkopplad graf.Vanlig graf:En graf där alla hörn har samma grad kallas en vanlig graf.Komplett graf:En graf där alla hörn har en kant mellan varje par av hörn kallas en komplett graf.Cykeldiagram:En graf sägs vara en cykel om den har minst tre hörn och kanter som bildar en cykel.Cyklisk graf:En graf sägs vara cyklisk om och endast om det finns minst en cykel.Acyklisk graf:En graf som har noll cykler kallas en acyklisk graf.Finita graf:En graf med ett ändligt antal hörn och kanter kallas en ändlig graf.Oändlig graf:En graf med ett oändligt antal hörn och kanter kallas för en oändlig graf.Tvådelad graf:En graf där hörnen kan delas in i oberoende uppsättningar A och B, och alla hörn i mängd A endast bör kopplas till de hörn som finns i uppsättning B med vissa kanter kallas en tvådelad graf.Planar graf:En graf sägs vara en plan om vi kan rita den i ett enda plan med två kanter som skär varandra.Euler-graf:En graf sägs vara Euler om och bara om alla hörn är jämna grader.Hamiltonsk graf:En sammankopplad graf som består av en Hamiltonsk krets är känd som en Hamiltonsk graf.

Några tillämpningar av grafer:

1. Grafer hjälper oss att representera rutter och nätverk i transport-, resor- och kommunikationsapplikationer.
2. Grafer används för att visa rutter i GPS.
3. Grafer hjälper oss också att representera sammankopplingarna i sociala nätverk och andra nätverksbaserade applikationer.
4. Grafer används i kartapplikationer.
5. Grafer är ansvariga för representationen av användarnas preferenser i e-handelsapplikationer.
6. Grafer används också i Utility-nätverk för att identifiera de problem som uppstår för lokala eller kommunala företag.
7. Grafer hjälper också till att hantera användningen och tillgängligheten av resurser i en organisation.
8. Grafer används också för att göra dokumentlänkskartor över webbplatserna för att visa kopplingen mellan sidorna genom hyperlänkar.
9. Grafer används också i robotrörelser och neurala nätverk.

Grundläggande funktioner för datastrukturer

I följande avsnitt kommer vi att diskutera de olika typerna av operationer som vi kan utföra för att manipulera data i varje datastruktur:

Traversering:Att korsa en datastruktur innebär att man får åtkomst till varje dataelement exakt en gång så att det kan administreras. Till exempel krävs korsning när man skriver ut namnen på alla anställda på en avdelning.Sök:Sökning är en annan datastrukturoperation som innebär att hitta platsen för ett eller flera dataelement som uppfyller vissa begränsningar. Ett sådant dataelement kan eller kanske inte finns i den givna uppsättningen av dataelement. Till exempel kan vi använda sökfunktionen för att hitta namnen på alla anställda som har mer än 5 års erfarenhet.Införande:Infogning innebär att infoga eller lägga till nya dataelement i samlingen. Till exempel kan vi använda infogningsoperationen för att lägga till information om en ny medarbetare som företaget nyligen har anställt.Radering:Radering innebär att ta bort eller ta bort ett specifikt dataelement från den givna listan med dataelement. Vi kan till exempel använda raderingsoperationen för att ta bort namnet på en anställd som har lämnat jobbet.Sortering:Sortering innebär att ordna dataelementen i antingen stigande eller fallande ordning beroende på typen av applikation. Till exempel kan vi använda sorteringsoperationen för att ordna namnen på anställda på en avdelning i alfabetisk ordning eller uppskatta månadens tre bästa prestationer genom att ordna de anställdas prestationer i fallande ordning och extrahera detaljerna för de tre bästa.Sammanfoga:Sammanfoga innebär att kombinera dataelement från två sorterade listor för att bilda en enda lista med sorterade dataelement.Skapa:Skapa är en operation som används för att reservera minne för programmets dataelement. Vi kan utföra denna operation med hjälp av en deklarationssats. Skapandet av datastruktur kan ske antingen under följande:
1. Kompileringstid
2. Körning
   Till exempel malloc() funktion används i C Language för att skapa datastruktur.
Urval:Urval innebär att man väljer en viss data från tillgänglig data. Vi kan välja vilken speciell data som helst genom att ange villkor inuti slingan.Uppdatering:Uppdateringsoperationen tillåter oss att uppdatera eller modifiera data i datastrukturen. Vi kan också uppdatera vilken speciell data som helst genom att specificera vissa villkor inuti slingan, som Selection-operationen.Uppdelning:Uppdelningen tillåter oss att dela upp data i olika underdelar vilket minskar den totala processens slutförandetid.

Förstå den abstrakta datatypen

Enligt National Institute of Standards and Technology (NIST) , är en datastruktur ett arrangemang av information, vanligtvis i minnet, för bättre algoritmeffektivitet. Datastrukturer inkluderar länkade listor, stackar, köer, träd och ordböcker. De kan också vara en teoretisk enhet, som namn och adress på en person.

Från definitionen som nämns ovan kan vi dra slutsatsen att operationerna i datastrukturen inkluderar:

1. En hög nivå av abstraktioner som tillägg eller radering av ett objekt från en lista.
2. Söka och sortera ett objekt i en lista.
3. Åtkomst till objektet med högst prioritet i en lista.

Närhelst datastrukturen utför sådana operationer är det känt som en Abstrakt datatyp (ADT) .

handledning för javascript

Vi kan definiera det som en uppsättning dataelement tillsammans med operationerna på datan. Termen 'abstrakt' hänvisar till det faktum att data och de grundläggande operationerna som definieras på dem studeras oberoende av deras implementering. Det inkluderar vad vi kan göra med datan, inte hur vi kan göra det.

En ADI-implementering innehåller en lagringsstruktur för att lagra dataelement och algoritmer för grundläggande drift. Alla datastrukturer, som en array, länkad lista, kö, stack, etc., är exempel på ADT.

Förstå fördelarna med att använda ADT

I den verkliga världen utvecklas program som en konsekvens av nya begränsningar eller krav, så att modifiera ett program kräver i allmänhet en förändring i en eller flera datastrukturer. Anta till exempel att vi vill infoga ett nytt fält i en anställds register för att hålla reda på mer information om varje anställd. I så fall kan vi förbättra programmets effektivitet genom att ersätta en Array med en länkad struktur. I en sådan situation är det olämpligt att skriva om varje procedur som använder den modifierade strukturen. Därför är ett bättre alternativ att separera en datastruktur från dess implementeringsinformation. Detta är principen bakom användningen av abstrakta datatyper (ADT).

Vissa tillämpningar av datastrukturer

Följande är några tillämpningar av datastrukturer:

1. Datastrukturer hjälper till att organisera data i en dators minne.
2. Datastrukturer hjälper också till att representera informationen i databaser.
3. Data Structures tillåter implementering av algoritmer för att söka igenom data (till exempel sökmotor).
4. Vi kan använda datastrukturerna för att implementera algoritmerna för att manipulera data (till exempel ordbehandlare).
5. Vi kan också implementera algoritmerna för att analysera data med hjälp av datastrukturer (till exempel dataminers).
6. Datastrukturer stöder algoritmer för att generera data (till exempel en slumptalsgenerator).
7. Datastrukturer stöder också algoritmer för att komprimera och dekomprimera data (till exempel ett zip-verktyg).
8. Vi kan också använda datastrukturer för att implementera algoritmer för att kryptera och dekryptera data (till exempel ett säkerhetssystem).
9. Med hjälp av Data Structures kan vi bygga mjukvara som kan hantera filer och kataloger (T.ex. en filhanterare).
10. Vi kan också utveckla mjukvara som kan rendera grafik med hjälp av Data Structures. (Till exempel en webbläsare eller programvara för 3D-rendering).

Förutom de, som tidigare nämnts, finns det många andra applikationer av datastrukturer som kan hjälpa oss att bygga vilken mjukvara som helst.