引入
数据组成要从基本数据类型来考虑。多个整数当作整体存储时，就需要引入内存的概念。内存：就是存放数据的存储单元，是直接与cpu交互的。
内存的是以一个字节作为索引单位，一个字节是8位。因此对于32位机器来说，内存存一个整型需要占用4个字节的空间。
例如，定义一个整型a=1，实际上在内存中是以32位二进制表示的，如图所示，内存每一位还有自己的索引地址，这一个整型数据占了4位。
而char是字符串中的一个字符（python中没有的数据类型）。char类型数据（一个字符）在内存中只占一个字节。
由此说明，数据类型不同，在计算机内存中所占内存单元数量也不同。
在内存中存储的4个字节，到底是当作一个整数还是4个字符来对待？就需要根据数据类型来确定。
数据类型确定：
1.在内存中所占大小；
2.计算机获取内存中的二进制数据时转换的数据类型。
并且，所有的高级数据结构都是由基本数据类型构成的。那么，如果我们想要直接定位第三个数据的起始位置，可以直接通过第一个元素的其实位置再加上固定位置大小就可以直接定位对应位置。
顺序表
在程序中，经常需要将一组（通常同为某一个类型的）数据元素作为整体管理和使用，需要创建这种元素组，用变量记录它们，传进传出函数等。一组数据中包含的元素隔宿可能发生变化（可以增加或删除元素）。
对于这种需求，最简单的解决方案就是将这样一组元素看作一个序列，用元素在序列里的位置和顺序，表示实际应用中的某种有意义的信息，或者表示数据之间的某种关系。
这样的一组序列元素的组织形式，我们可以将其抽象为线性表。一个线性表是某类元素的一个集合，还记录着元素之间的一种顺序关系。线性表是最基本的数据结构之一，在实际程序应用非常广泛，它还经常被用作更复杂的数据结构的实现基础。
根据线性表的实际存储方式，分为两种实现模式：
- 顺序表：将元素顺序地存放在一块连续的存储区里，元素间的顺序关系由它们的存储顺序自然表示。
- 链表：将元素存放在通过链接构造起来的一系列存储块中。
顺序表的基本形式
图a表示的是顺序表的基本形式，数据元素本身连续存储，每个元素所占的存储单元大小固定相同，元素的下标是其逻辑地址，而元素存储的物理地址（实际内存地址）可以通过存储区的其实地址加上逻辑地址（第i个元素）与存储单元大小（c）的乘积计算而得。
即：Loc(ei)=Loc(e0)+c*i
因此，访问指定元素时，不需要从头遍历，通过计算便可以获得对应地址，时间复杂度为O(1)。
如果元素的大小不统一，则必须采用图b的元素外置的形式，将实际数据元素另行存储，而顺序表中各单元位置保存对于元素的地址信息（即链接）。由于每个链接所需要的存储量是相同的，通过上述公式，可以先计算出元素链接的存储位置，然后顺着链接找到实际存储的数据元素。注意，图b中的c不再是数据元素的大小，而是存储一个链接地址所需的存储量，这个量通常很小。
图b这样的顺序表也称为对实际数据的索引，这就是最简单的索引结构。
顺序表基本布局
如下，存一组数可以用顺序表来存：
当我们要查找li[3]时，运用对应的公式，可以直接定位其在内存中的位置，时间复杂度为O(1)。
这也说明了为什么一组数据的逻辑地址第一位都是0：因为下标代表的是偏移量。
以上就是顺序表的基本布局形式，每个存储单元中是我们确切要存的数据。
元素外置的顺序表
引入元素外置。顺序表之所以可以按照从上到下有顺序的方式存储查找，是因为数据元素存储需要的空间是固定的。而python中列表不仅只能存一种数据类型，还可以是多种类型的数据，那顺序表的基本布局形式就不适用。例如：li=[12,‘ab’]，存储的数据单元的大小不统一。但每个地址所占空间大小是一样的，所以可以将地址存在一起，通过地址去查找对应元素。
在元素外置的顺序表中查找li[3]，则需要先找到li[3]中存的索引地址（和顺序表基本布局形式查找一样），再通过索引地址去找到真正的数据元素。
对于地址还是顺序表存储，而真正的数据元素是外置了。使用元素外置的方式，可以达到列表存储多种数据类型元素的目的。
顺序表的结构与实现
顺序表的结构
一个顺序表的完整信息包括两个部分，一部分是表中的元素集合，另一部分是为实现正确操作而需记录额度信息，即有关表的整体情况的信息，这部分信息主要包括元素存储区的容量和当前表中已有的元素个数两项。
（python中对这一部分已经封装）
顺序表构造前，必须先预估申请一整块连续的存储空间。
顺序表的两种基本实现方式
图a为一体式结构，存储表信息的单元与元素存储区以连续的方式安排在一块存储区里， 两部分数据的整体形成一个完整的顺序表对象。
一体式结构整体性强，易于管理。但是由于数据元素存储区域是表对象的一部分，顺序表创建后，元素存储区就固定了。
图b为分离式结构，表对象里只保存与整个表有关的信息（即容量和元素个数），实际数据元素存放在另一个独立的元素存储区里，通过链接与基本表对象关联。存储一体式和分离式的优劣：
一体式存储，表头区和数据区的空间都是一次性申请来的。
分离式的两部分数据空间不是一次性申请来的。
- 一体式读取时更方便，根据偏移量去读取更快速。而分离式时间接的访问，
- 一体式的数据存储空间，如果存入的数据所占超过预估空间大小，就会重新申请一段新的足够存所有数据的连续空间（表头空间也需要重新申请），再进行数据搬迁，最后释放最初的数据存储空间。分离式不需要在存储空间不够，申请新空间的时候重新申请表头信息空间。
以后在进行顺序表扩展时，原有顺序表表头是可以不变的，为了考虑到数据的动态变化，我们通常更多使用分离式的顺序表。
元素存储区替换
一体式结构由于顺序表信息区与数据区连续存储在一起，所以若想要更换数据区，则只能整体搬迁，即整个顺序表对象（指存储顺序表的结构信息的区域）改变了。
分离式结构若想要更换数据区，只需要将表信息区中的数据区链接地址更新即可，而该顺序表对象不改变。
元素存储区扩充
采用分类是结构的顺序表，若将数据区更换为存储空间更大的区域，则可以在不改变表对象的前提下对其数据存储区进行扩充。所有使用这个表的地方都不必修改，只要程序的运行环境（计算机系统）还有空闲存储，这种表结构就不会因为满了而导致操作无法进行。我们把采用这种技术实现的顺序表称为动态顺序表，因为其容量可以在使用中动态变化。
而扩充需要重新申请数据存储空间，空间大小怎么确定呢？
有两个策略：
- 每次扩充增加固定数目的存储位置，如每次扩充增加10个元素位置，这种策略可以称为线性增长。
特点：节省空间，但是扩充操作频繁，操作次数多。 - 每次扩充容量加倍，如每次扩充增加一倍存储空间，
特点：减少了扩充操作的执行次数，但可能会浪费空间资源。i一空间换时间。
顺序表的操作
增加元素
如图所示，为顺序表增加新元素111的三种方式：
a：尾插，时间复杂度O(1)
b：非保序的插入时间复杂度O(1)
c：头插，时间复杂度O(n)
删除元素
如图所示，删除元素的几种操作：
a：尾部删除时间复杂度O（1）
b：非保序删除元素时间复杂度O（1）（通常我们只讨论保序的删除）
c：头部删除时间复杂度O（n）
python中的顺序表
python中的list和tuple两种类型采用了春夏表的实现技术，具有书序表的所有性质。tuple是不可变类型，即不变的顺序表，因此不支持改变其内部状态的任何操作，而其他方面，则与list的性质类似。
list的基本实现技术
python标准类型list就是一种元素个数可变的线性表，可以加入和删除元素，并在各种操作中维持已有元素的顺序（即保序），而且还具有一下行为特征：
- 基于下标（位置）的高效元素访问和更新，时间复杂度应该是O(1)
为满足该特征，应采用顺序表技术，表中元素保存在一块连续的存储区中。 - 允许任意加入元素，而且在不断加入元素的过程中，表对象的标识（函数id得到的值）不变。
为满足该特征，就必须能更换元素存储区，并且为保证更换存储区时，list对象的标识id不变，只能采用分离式实现技术。
在python的官方实现中，list就是一种采用分离式技术实现的动态顺序表，这就是为什么list.append(x)（或list.insert(len(list).x)，即尾部插入）比在指定位置插入元素效率高的原因。
在Python的官方实现中，list实现采用了如下的策略：在建立空表（或者很小的表）时，系统分配一块能容纳8个元素的存储区；在执行插入操作（insert或append）时，如果元素存储区满就换一块4倍大的存储区。但如果此时的表已经很大（目前的阀值为50000），则改变策略，采用加一倍的方法。引入这种改变策略的方式，是为了避免出现过多空闲的存储位置。
此时，我们再看list内置操作的时间复杂度，就可以理解不同的操作对应时间复杂度为什么不同了。
