我们先来看一个关于查找的例子。查找，就是从复杂的数据结构中，找到满足某个条件的元素。通常可从以下两个方面来对数据进行查找操作：?
- 根据元素的位置或索引来查找；
- 根据元素的数值特征来查找。
针对上述两种情况，我们分别给出例子进行详细介绍。
?
1. 从数组中找元素
例 1，我们来看第二个例子，对于一个数组，找到数组中的第二个元素并输出。
?
这个问题的处理很简单。由于数组本身具有索引 index ，因此直接通过索引就能查找到其第二个元素。别忘了，数组的索引值是从 0 开始的，因此第二个元素的索引值是 1 。不难发现，因为有了 index 的索引，所以我们就可以直接进行查找操作来，这里的时间复杂度为 O(1)。
?
2. 从链表中找元素
例 2，我们来看第二个例子，如果是链表，如何找到这个链表中的第二个元素并输出呢？
?
链表和数组一样，都是 O(n) 空间复杂度的复杂数据结构。但其区别之一就是，数组有 index 的索引，而链表没有。链表是通过指针，让元素按某个自定义的顺序“手拉手”连接在一起的。
?
既然是这样，要查找其第二个元素，就必须要先知道第一个元素在哪里。以此类推，链表中某个位置的元素的查找，只能通过从前往后的顺序逐一去查找。不难发现，链表因为没有索引，只能“一个接一个”地按照位置条件查找，在这种情况下时间复杂度就是 O (n)。
?
3. 查找数值
例 3，我们再来看第三个例子，关于数值条件的查找。
?
我们要查找出，数据结构中数值等于 5 的元素是否存在。这次的查找，无论是数组还是链表都束手无策了。唯一的方法，也只有按照顺序一个接一个地去判断元素数值是否满足等于 5 的条件。很显然，这样的查找方法时间复杂度是 O(n)。那么有没有时间复杂度更低的方式呢？答案当然是：有。
?
我们采用的方法是，把数组转变为字典，以保存元素及其出现次数的 k-v 映射关系。而在每次的循环中，都需要对当前遍历的元素，去查找它是否在字典中出现过。这里就是很实际的按照元素数值查找的例子。如果借助字典的数据类型，这个例子的查找问题，就可以在 O(1) 的时间复杂度内完成了。
?
4. 新增数据
例 4，我们再来看第四个例子，关于复杂数据结构中新增数据，这里有两个可能：
- 第一个是在这个复杂数据结构的最后，新增一条数据；
- 第二个是在这个复杂数据结构的中间某个位置，新增一条数据。
这两个可能性的区别在于，新增了数据之后，是否会导致原有数据结构中数据的位置顺序改变。接下来，我们分别来举例说明。
?
在复杂数据结构中，新增一条数据。假设是在数据结构的最后新增数据。此时新增一条数据后，对原数据没有产生任何影响。因此，执行的步骤是：?
- 首先，通过查找操作找到数据结构中最后一个数据的位置；
- 接着，在这个位置之后，通过新增操作，赋值或者插入一条新的数据即可；
如果是在数据结构中间的某个位置新增数据，则会对插入元素的位置之后的元素产生影响，导致数据的位置依次加 1 。例如，对于某个长度为 4 的数组，在第二个元素之后插入一个元素。则修改后的数组中，原来的第一、第二个元素的位置不发生变化，第三个元素是新插入的元素，第四、第五个元素则是原来的第三、第四个元素。
?
5. 删除数据
我们再来看看删除。在复杂数据结构中删除数据有两个可能：?
- 第一个是在这个复杂数据结构的最后，删除一条数据；
- 第二个是在这个复杂数据结构的中间某个位置，删除一条数据；
这两个可能性的区别在于，删除了数据之后，是否会导致原有数据结构中数据的位置顺序改变。由于删除操作和新增操作高度类似，就不再举详细阐述了。
?
6. 综合操作
例 5，在某个复杂数据结构中，在第二个元素之后新增一条数据。随后再删除第 1 个满足数值大于 6 的元素。我们来试着分析这个任务的数据操作过程。这里有两个步骤的操作：?
- 第一步，在第二个元素之后新增一条数据。这里包含了查找和新增两个操作，即查找第二个元素的位置，并在数据结构中间新增一条数据；
- 第二步，删除第 1 个满足数值大于 6 的元素。这里包含查找和删除两个操作，即查找出第 1 个数值大于 6 的元素的位置，并删除这个位置的元素。
因此，总共需要完成的操作包括，按照位置的查找、新增和按照数据数值的查找、删除。
?
7. 总结
数据处理的基本操作只有 3 个，分别是增、删、查。
- 增和删又可以细分为在数据结构中间的增和删，以及在数据结构最后的增和删。区别就在于原数据的位置是否发生改变；
- 查找又可以细分为按照位置条件的查找和按照数据数值特征的查找；
几乎所有的数据处理，都是这些基本操作的组合和叠加，其中涉及修改的操作可以看做是删除和新增来完成。
参考：
https://kaiwu.lagou.com/course/courseInfo.htm?courseId=185#/detail/pc?id=3341