数据结构和算法 （DSA） 是程序员有效处理和操作数据的重要工具。 如果没有对这些概念的良好理解，程序员可能很难为他们的软件编写高效和正确的软件。
这些技能在科技行业受到高度重视，通常在面试过程中用于评估解决问题的能力、基本的计算机科学知识和分析技能。
除了在招聘过程中的重要性外，数据结构和算法还是许多实际软件应用程序的核心。 应用程序编程接口（API）可能会隐藏这些概念的实现，但一个好的程序员仍然应该对数据结构和算法有深刻的理解，以便做出更好的决策。
从头开始习数据结构和算法可能会带来一些挑战。
由于不良的学习习惯，一些程序员对数据结构和算法的西习理解存在错误。 他们普遍认为它很复杂，很难掌握。 这种看法削弱了他们对习的动力。
一些程序员认为，这个话题只与面试成功有关。 然而，现实远不止于此，解决 DSA 问题是编程中解决问题的核心技能，并且是一些实际应用的一部分。
掌握数据结构和算法需要一致性。 当我们长时间跳过习时，真正的问题就出现了，影响了我们的概念深度和知识。 当我们尝试重新开始时，我们需要从头开始。 许多程序员努力保持长期的一致性和兴趣。
从长远来看，为了掌握主题，程序员需要计划各种活动，如学习习、复习习、在纸上解决问题、练习习编码、社区讨论、解疑、模拟面试等。
数据结构和算法的主题是相互依存的，程序员经常在复杂的序列中学习习概念。 有时，我们在学习习基础知识之前就学习了习高级主题。 例如：
在学习了习动态规划之后，我们应该学习习贪婪算法。
我们应该先学习习线性数据结构，然后再学习习非线性数据结构。
在学习 习 堆栈和队列之前，我们应该先学习 习 数组和链表。
时间复杂度分析、迭代、递归和排序是基础。
在学习了习二叉树之后，我们应该学会习二叉搜索树和堆。 同样，我们应该学习树背后的习图。
这是《习》中的关键问题之一，尤其是在数据结构和算法方面。 程序员经常陷入棘手的词语和解释中，并一遍又一遍地重复同样的想法。 有时我们会跳过这个话题而不探讨这个概念。 它提出了三个关键问题：
浪费宝贵的资源 - 时间！
这可能导致对该主题缺乏兴趣。
复杂的解释习可能会在面试过程中产生问题。
记忆对数据结构和算法没有任何帮助，因为有很多东西需要记住！这是一个舒适区，人们拒绝理解这个想法背后的原因。
事实上，DSA的思想是密切相关的，批判性和逻辑性思维将是最好的可行选择。 记忆的态度也是连接点和产生新的解决方案见解的障碍。
大多数程序员都擅长实现解决方案，但真正的挑战是思考正确有效的解决方案。 有时他们解决了很多问题来提高这项技能，但仍然很难找到正确的解决方案。 为什么？
他们避免深入解决问题，总是急于解决问题，而不是寻找模式。 对于每个程序员来说，关键问题是——我们如何思考使用任何特定方法（如 dp、贪婪、双指针、哈希、二进制搜索等）来解决问题？
有时，程序员在面试中很难写出正确的**。 如果确定解决方案是一门“艺术”，那么设计正确的**就是一门需要多种技能的“手艺”。 以下是一些重要的观察结果：
正确的实施总是需要专注、耐心和时间。
它涉及编程概念的实践、各种编程错误、正确的初始化、基本情况、边界情况，最重要的是——良好的编码风格。
数据结构和算法需要了解基本的数学主题，如排列、计数、求和、数论、位运算、递归等。 我们主要利用这些主题来分析和比较算法的效率。
大多数程序员不必要地担心分析部分。 但现实情况恰恰相反 - 这是关于对具有大输入大小值的指令进行计数。 从长远来看，少量的练习习可以帮助掌握这项技能。 80%的分析只是计数分析技术。
当有人在面试中仔细验证进度时，写一份工作**并不容易。 即使作为面试者，我们也应该大声而清晰地向面试官传达我们的想法。 编写解决方案**并同时进行交流是我们需要逐步关注的一项基本技能。
面试成功的一些关键技能——沟通、协作、研究技能、个人资料建立、掌握行为面试等。 有时，我们经常忽视这些技能，尽管具有良好的编码和解决问题的能力，但还是被拒绝了。
在DSA习解决问题时，讨论或集思广益是很重要的。 有时我们会遇到严重的疑问，需要立即解决才能继续前进。
即使在编码之初，程序员也不确定他们应该问什么样的问题并获得帮助。 因此，程序员有必要组成一个小组或加入一个社区，以帮助彼此解决他们的顾虑。
学习 习 数据结构和算法是任何计算机科学专业学生的主要学习曲线 习 所以，我们在解决问题时不必担心小故障，因为每个人在开始时都会遇到这样的失败。
没有人是完美的，每个人都在学习习和提高！持续学习习是我们这个世纪必不可少的生活技能。
优质作者名单