数据结构就是数据组织存储方式，也就是把数据聚合在一起，以便进行加工整理。把数据从一种结构换成另一种结构就是数据处理，这是编程最常见的工作。
- 数据类型一般分为整型、字节、浮点、字符、和布尔等类，也就是生活中的数字和文字，把它按照一定规则分下类，不同语言略有些不同。
- 数据结构有两种分类方法：
- 线性结构（数据按顺序一一相连，前后有固定的关系)，数组、链表、栈、队列等。非线性结构(数据非一一相连，据没有固定的顺序)，如树和图。
- 集合结构(数据无关系)、线性结构(数据一对一)、树形结构(数据一对多)、图形结构(数据多对多)。
- 数组（Array），聚合数据的集合，可以实现线性和非线性。
- 链表（Linked List），线性结构，数据以链式结构存储。
- 树（Tree），非线性结构，模拟树状结构性质的数据集合，一个顶点。
- 堆（Heap），非线性结构，特殊的树形数据结构，一般指完全二叉树。
- 栈（Stack），线性结构，后进先出。
- 队列（Queue），线性结构，先进先出。
- 图（Graph），非线性结构，节点相互连接，每个节点都可以作为顶点。
- 散列（Hash），线性结构，根据键访问储存位置的数据结构。
相同类型数据元素的有序集合。每个元素都有唯一的索引，可以通过索引快速访问。
应用：数组适用于需要快速访问元素的场景，如一组数字、字符等。然而，数组在添加或删除元素时效率较低。
由一系列节点组成，每个节点包含数据和指向下一个节点的指针。链表在内存中不是连续存储，可以动态添加或删除元素。
应用：链表适用于需要频繁插入和删除的场景，但随机访问效率较低。
一种层次化的数据结构，由一个根节点和若干个子节点组成。每个子节点可能有自己的子节点，形成树状结构。
应用：常见的树结构包括二叉树、红黑树等。可以用于组织数据，例如文件系统、数据库索引等。
一种特殊的树状数据结构，满足堆属性。根据堆的类型，最小堆（Min-Heap）和最大堆（Max-Heap）是常见的形式。
应用：堆被广泛用于实现优先队列、堆排序以及在算法优化中使用。
遵循后进先出（LIFO）原则的数据结构。元素只能在栈顶插入或删除。
应用：栈适用于需要倒序处理数据的场景，如递归、表达式解析等。
遵循先进先出（FIFO）原则的数据结构。元素从队尾添加，并从队头删除。
应用：适用于排队、任务调度等场景。
由节点（顶点）和边组成，表示对象之间的关系。节点可以代表实体，边可以代表实体之间的关联。
应用：图用于表示复杂的关系，例如社交网络、网络拓扑等。
散列是一种技术，用于将数据映射到哈希值，以便快速查找、插入和删除。
应用：散列在许多数据结构和应用中非常重要，例如哈希表、哈希地图、数据缓存等。
一种树形数据结构，每个节点最多有两个子节点，包括普通二叉树、满二叉树、完全二叉树和平衡二叉树等。
应用：广泛应用于算法、数据结构、搜索和排序等领域。二叉搜索树适用于快速查找、添加和删除操作。
一种不允许重复元素的数据结构。主要用于集合操作，如添加、删除、查询等。
应用：集合适用于没有重复数据的场景，提供集合运算，如并集、交集和差集等。
存储键-值对，并允许通过键快速查找对应的值。键必须唯一，但值可以重复。
应用：映射用于高效的数据检索、数据关联以及数据结构之间的关联。如缓存实现、数据库索引、负载均衡等。
一种高效的数据结构，使用哈希函数将键映射到对应的值。提供快速的查找、插入和删除操作。
应用：哈希表用于快速查找、插入和删除数据的场景，例如字典、映射、缓存等。
- HashMap：一种哈希表实现，不是线程安全的，适用于单线程或自行管理同步的场景。
- HashTable：一种线程安全的哈希表，适用于多线程环境，但由于同步机制，性能可能较低。
优先队列是一种特殊的队列，元素的顺序根据优先级排列，而非插入顺序。
应用：优先队列常用于实现任务调度、事件驱动、路径搜索等场景。
一种数据结构，用于组合一组相关的数据，以便将它们作为一个整体来处理。结构体在许多编程语言中都有支持，struct与class有点类似，struct见于C、C++、Go、Rust等语言。class用于Java和C#、JS、Python、PHP等。
应用： 用于创建具有特定属性的复杂数据类型，封装相关数据，还可用于数据包或消息的结构以及定义内存中的数据存储结构。