[자료구조] Array & ArrayList & LinkedList

자료구조/Array&ArrayList&LinkedList.md

@@ -0,0 +1,69 @@
+## Array
+
+![image.png](./images/Array&ArrayList&LinkedList/1.png)
+
+- 데이터타입 배열이름[배열길이]
+- 배열을 선언함과 동시에 데이터 타입과 길이가 결정됨
+- 저장할 데이터의 최대 수를 예상하기 어렵거나 길이를 가변적으로 변경해야할 필요가 있으면 적합하지 않음
+- 인덱스를 통해 원하는 값을 빠르게 검색할 수 있음
+
+## ArrayList
+
+![image.png](./images/Array&ArrayList&LinkedList/2.png)
+
+- ArrayList<데이터타입> 이름 = new ArrayList<데이터타입>(초기용량);
+- ArrayList는 내부적으로 데이터를 배열에서 관리
+- 배열에 더 이상 저장할 공간이 없으면 자체적으로 배열의 크기를 늘려 처리
+- 인덱스를 통해 데이터 접근이 가능
+
+## LinkedList
+
+![image.png](./images/Array&ArrayList&LinkedList/3.png)
+
+```java
+class Node {
+		Node* next;
+		int data;
+}
+```
+
+- 불연속적으로 저장된 데이터를 서로 연결한 형태로 구성되어있는 자료구조
+- 각 node들은 자신과 연결된 다음 요소에 대한 주소값과 데이터로 구성되어있음
+- 크기가 가변적
+- 데이터가 불연속적으로 저장 → 원하는 데이터에 접근할 때 처음부터 순차적으로 검색해야 함
+
+## 자료구조의 삽입과 삭제
+
+|  | Array | ArrayList | LinkedList |
+| --- | --- | --- | --- |
+| 순차적인 데이터 추가 | 빠름 | 빠름 | 빠름 |
+| 순차적인(끝에서부터) 데이터 삭제 | 빠름 | 빠름 | 빠름 |
+| 비순차적인(배열의 중간) 
+데이터 추가 및 삭제 | 느림 | 느림 | 빠름 |
+
+### Array
+
+- 중간 데이터 추가/삭제는 기존의 데이터들을 복사해서 새로운 배열에 저장하는 과정이 필요하기 때문에 속도가 느림
+- 크기를 변경하려면 새로운 배열을 생성해서 데이터를 복사해야함
+    - 새로운 배열 생성을 막기 위해 충분히 큰 크기의 배열을 생성하면 메모리 낭비
+
+### ArrayList
+
+- 순서와 관계없이 데이터를 추가하고 삭제할 수 있는 기능을 제공
+    - 중간 순서 데이터 추가/삭제시 다른 데이터들이 자리를 이동해야하는 것은 Array와 동일
+- 크기가 가변적이라는 점 외에는 Array와 유사
+
+### LinkedList
+
+- 데이터 추가 및 삭제는 이전 순서와 다음 순서의 노드만 조정해주면 되어서 빠름
+- 인덱스를 통한 데이터 접근이 불가능해 추가하거나 삭제할 순서까지 접근하는데 많은 시간이 소요됨
+
+## 질문
+
+1. Array의 중간 삽입 속도가 느린 이유는?
+2. ArrayList는 더이상 저장할 공간이 없으면 어떻게 되는가?
+3. LinkedList의 단점은 무엇인가?
+
+## 참고
+
+[https://velog.io/@letskuku/자료구조-Array-vs-ArrayList-vs-LinkedList](https://velog.io/@letskuku/%EC%9E%90%EB%A3%8C%EA%B5%AC%EC%A1%B0-Array-vs-ArrayList-vs-LinkedList)

자료구조/트라이.md

@@ -0,0 +1,101 @@
+## 트라이(Trie)란?
+
+### 트리(Tree)
+
+![image.png](./images/trie/1.png)
+
+- 노드와 에지로 구성되는 계층 관계를 나타내는 자료구조
+- 구성 : 노드, 엣지, 루트(가장 상위 노드), 리프(가장 마지막 노드)
+- 종류 : 바이너리 트리, ***트라이*** 등
+
+### 트라이(Trie)
+
+![image.png](./images/trie/2.png)
+
+- retrieval(검색) tree에서 나옴
+- Prefix(접두사) Tree, digital search tree, retrieval tree라고도 부름
+- 문자열을 Key로 사용하는 동적인 Set 또는 연관 배열을 저장하는 트리의 확장 구조
+- 문자열을 저장하고 효율적으로 탐색하기 위해 사용
+- 검색할 때 볼 수 있는 자동완성 기능, 사전 검색 등에 특화되어있음
+
+### 트라이 장단점
+
+- 문자열 검색을 빠르게 함
+- 문자열 탐색시 하나하나씩 전부 비교해서 탐색하는 것보다 시간복잡도가 낮음
+- 각 노드에서 자식들에 대한 포인터들을 배열로 모두 저장하고 있기때문에 저장 공간을 많이 차지함
+
+### 트라이 구조 : ‘abc’, ‘ab’, ‘car’를 트라이에 저장하기
+
+- 기본적으로 data는 None으로 구성
+- 단어가 끝날 때 data에 해당 단어를 저장
+
+![image.png](./images/trie/3.png)
+
+![image.png](./images/trie/4.png)
+
+## 트라이 구현 - python
+
+```python
+class Node(object):
+    def __init__(self, key, data=None):
+        self.key = key
+        self.data = data
+        self.children = {}
+```
+
+![image.png](./images/trie/5.png)
+
+```python
+class Trie(object):
+    def __init__(self):
+        self.head = Node(None)
+
+    # 문자열 삽입
+    def insert(self, string):
+        curr_node = self.head
+
+        # 삽입할 String 각각의 문자에 대해 자식Node를 만들며 내려간다.
+        for char in string:
+            # 자식Node들 중 같은 문자가 없으면 Node 새로 생성
+            if char not in curr_node.children:
+                curr_node.children[char] = Node(char)
+
+            # 같음 문자가 있으면 노드를 따로 생성하지 않고, 해당 노드로 이동
+            curr_node = curr_node.children[char]
+
+        # 문자열이 끝난 지점의 노드의 data값에 해당 문자열을 표시
+        curr_node.data = string
+
+    # 문자열이 존재하는지 탐색!
+    def search(self, string):
+        # 가장 아래에 있는 노드에서부터 탐색 시작한다.
+        curr_node = self.head
+
+        for char in string:
+            if char in curr_node.children:
+                curr_node = curr_node.children[char]
+            else:
+                return False
+
+        # 탐색이 끝난 후에 해당 노드의 data값이 존재한다면
+        # 문자가 포함되어있다는 뜻이다!
+        if curr_node.data is not None:
+            return True
+```
+
+- 생성 시간 복잡도 : O(ML)
+- 탐색 시간 복잡도 : O(L)
+- M : 총 문자열들의 수 / L : 제일 긴 문자열의 길이
+
+---
+## 질문
+
+1. 트라이는 어디에 사용되는가?
+2. 트라이의 장단점은?
+3. 트라이의 탐색 시간 복잡도는 왜 O(L)일까?
+
+## 참고
+
+https://brunch.co.kr/@springboot/75
+
+[https://velog.io/@kimdukbae/자료구조-트라이-Trie](https://velog.io/@kimdukbae/%EC%9E%90%EB%A3%8C%EA%B5%AC%EC%A1%B0-%ED%8A%B8%EB%9D%BC%EC%9D%B4-Trie)