跳转至

如何使用本书

Tip

为了获得最佳的阅读体验,建议你通读本节内容。

行文风格约定

  • 标题后标注 * 的是选读章节,内容相对困难。如果你的时间有限,可以先跳过。
  • 专业术语会使用黑体(纸质版和 PDF 版)或添加下划线(网页版),例如数组(array)。建议记住它们,以便阅读文献。
  • 重点内容和总结性语句会 加粗,这类文字值得特别关注。
  • 有特指含义的词句会使用“引号”标注,以避免歧义。
  • 当涉及编程语言之间不一致的名词时,本书均以 Python 为准,例如使用 None 来表示“空”。
  • 本书部分放弃了编程语言的注释规范,以换取更加紧凑的内容排版。注释主要分为三种类型:标题注释、内容注释、多行注释。
"""标题注释,用于标注函数、类、测试样例等"""

# 内容注释,用于详解代码

"""
多行
注释
"""
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
/* 标题注释,用于标注函数、类、测试样例等 */

// 内容注释,用于详解代码

/**
 * 多行
 * 注释
 */
### 标题注释,用于标注函数、类、测试样例等 ###

# 内容注释,用于详解代码

# 多行
# 注释
// 标题注释,用于标注函数、类、测试样例等

// 内容注释,用于详解代码

// 多行
// 注释

在动画图解中高效学习

相较于文字,视频和图片具有更高的信息密度和结构化程度,更易于理解。在本书中,重点和难点知识将主要通过动画以图解形式展示,而文字则作为解释与补充。

如果你在阅读本书时,发现某段内容提供了如下图所示的动画图解,请以图为主、以文字为辅,综合两者来理解内容。

动画图解示例

在代码实践中加深理解

本书的配套代码托管在 GitHub 仓库。如下图所示,源代码附有测试样例,可一键运行

如果时间允许,建议你参照代码自行敲一遍。如果学习时间有限,请至少通读并运行所有代码。

与阅读代码相比,编写代码的过程往往能带来更多收获。动手学,才是真的学

运行代码示例

运行代码的前置工作主要分为三步。

第一步:安装本地编程环境。请参照附录所示的教程进行安装,如果已安装,则可跳过此步骤。

第二步:克隆或下载代码仓库。前往 GitHub 仓库。如果已经安装 Git ,可以通过以下命令克隆本仓库:

git clone https://github.com/krahets/hello-algo.git

当然,你也可以在下图所示的位置,点击“Download ZIP”按钮直接下载代码压缩包,然后在本地解压即可。

克隆仓库与下载代码

第三步:运行源代码。如下图所示,对于顶部标有文件名称的代码块,我们可以在仓库的 codes 文件夹内找到对应的源代码文件。源代码文件可一键运行,将帮助你节省不必要的调试时间,让你能够专注于学习内容。

代码块与对应的源代码文件

除了本地运行代码,网页版还支持 Python 代码的可视化运行(基于 pythontutor 实现)。如下图所示,你可以点击代码块下方的“可视化运行”来展开视图,观察算法代码的执行过程;也可以点击“全屏观看”,以获得更好的阅览体验。

Python 代码的可视化运行

在提问讨论中共同成长

在阅读本书时,请不要轻易跳过那些没学明白的知识点。欢迎在评论区提出你的问题,我和小伙伴们将竭诚为你解答,一般情况下可在两天内回复。

如下图所示,网页版每个章节的底部都配有评论区。希望你能多关注评论区的内容。一方面,你可以了解大家遇到的问题,从而查漏补缺,激发更深入的思考。另一方面,期待你能慷慨地回答其他小伙伴的问题,分享你的见解,帮助他人进步。

评论区示例

算法学习路线

从总体上看,我们可以将学习数据结构与算法的过程划分为三个阶段。

  1. 阶段一:算法入门。我们需要熟悉各种数据结构的特点和用法,学习不同算法的原理、流程、用途和效率等方面的内容。
  2. 阶段二:刷算法题。建议从热门题目开刷,先积累至少 100 道题目,熟悉主流的算法问题。初次刷题时,“知识遗忘”可能是一个挑战,但请放心,这是很正常的。我们可以按照“艾宾浩斯遗忘曲线”来复习题目,通常在进行 3~5 轮的重复后,就能将其牢记在心。推荐的题单和刷题计划请见此 GitHub 仓库
  3. 阶段三:搭建知识体系。在学习方面,我们可以阅读算法专栏文章、解题框架和算法教材,以不断丰富知识体系。在刷题方面,可以尝试采用进阶刷题策略,如按专题分类、一题多解、一解多题等,相关的刷题心得可以在各个社区找到。

如下图所示,本书内容主要涵盖“阶段一”,旨在帮助你更高效地展开阶段二和阶段三的学习。

算法学习路线