1. 内存的工作远离
假设你去超市，需要将东西寄存到柜子。你有2个包需要寄存，因此要了2个格子去存放。
计算机就像是许多格子的集合体，每个格子都有地址。
需要将数据存储到内存时，用户请求计算机提供存储空间，计算机给用户一个存储地址。需要存储多项数据时，有两种基本方式——数组和链表。但它们并非都适用于所有的情形，因此知道它们的差别很重要。
2. 数组和链表
数组意味着所有待办事项在内存种都是相连的（紧靠在一起）。
比如一个数组，有3个成员变量（大众、丰田、本田）。
要添加第4个待办事项，但后面的那个格子存放这别人的东西。在这种情况下，你需要请求计算机重新分配一块可容纳4个待办事项的内存，再将所有待办事项都移到那里。
解决方法：即便当前只有3个待办事项，也请计算机提供10个位置，以便需要添加待办事项。它存在如下两个缺点：
- 你额外请求的位置可能根本用不上，这将浪费内存。你没有使用，别人也用不了
- 待办事项超过10个后，你还得转移。
因此，这种权宜之计虽然不错，但绝非完美的解决方案。对于这种问题，可使用链表来解决。
2.1 链表
链表中的元素可存储在内存的任何地方。链表的每个元素都存储了下一个元素的地址，从而使一系列随机的内存地址串在一起。插入元素时，根本就不需要移动元素。只要有足够的内存空间，就能为链表分配内存。
2.2 数组
在读取链表的最后一个元素时，你不能直接读取，因为不知道它所处的地址，必须先访问第1个元素，获取第2个元素的地址；再访问第2个元素，获取第3个元素的地址...直到最后一个。需要读取所有元素时，链表的效率很高；如果需要跳跃访问，链表的效率很低。
数组根据索引去获取元素。因此需要随机的读取元素时，数组的效率很高，因为可迅速找到数组的任何元素。
2.3 在中间插入
链表：插入元素很简单，只需修改它前面的那个元素指向的地址。
数组：则必须将后面的元素都向后移。如果没有足够的空间，可能还得将整个数组复制到其他地方。
因此，需要在中间插入元素时，链表是个更好的选择。
2.4 删除
删除元素也是一样
链表：只需修改前一个元素指向的地址。
数组：删除元素后，后面的元素都向前移。
2.5 数组和链表常见操作的运行时间
| 操作 | 数组 | 链表 |
| 读取 | O(1) | O(n) |
| 插入 | O(n) | O(1) |
| 删除 | O(n) | O(1) |
访问方式有随机访问和顺序访问。
顺序访问意味着从第一个元素开始逐个的读取元素。链表只能顺序访问。
随机访问意味着可直接跳到第10个元素。
3. 选择排序
假设有个列表，需要从大到小进行排序
[78, 65, 34, 27, 6, 45]
方法：遍历这个列表，找出最大的值，并将这个值加入到一个新列表中；继续这样做，找出第2大的值...直到原列表为空，得到一个有序列表。
3.1 计算时间
O(n)意味着查看列表中的每个元素一次，因此n个元素的总时间为o(n2)
3.2 大O表示法中的常数
随着排序的进行，每次需要检查的元素数逐渐减少。既然如此，运行时间怎么还是O(n2)呢？
第一次检查n个元素，第二次检查n-1个元素...最后一次检查1个元素，(n+n-1+...+2+1)=(n+1)*n/2，忽略常数，视为O(n2)
选择排序是一种灵巧的算法，但速度不是很快。快速排序是一种更快的排序算法，其运行时间为O(n log n)
3.3 选择排序示例代码
def findMax(arr):
#获取数组中最大的值
max = arr[0]
max_index = 0
for i in range(len(arr)):
if(arr[i]>max):
max = arr[i]
max_index= i
return max_index
def selectionSort(arr):
#遍历数组，将数组中最大的值加入从原数组中删除并加入到新数组
newArr= []
for i in range(len(arr)):
max = findMax(arr)
newArr.append((arr.pop(max)))
return newArr
print(selectionSort([78, 65, 34, 27, 6, 45])) #[78, 65, 45, 34, 27, 6]