在计算机科学中，数据结构（Data Structure）是一种组织和存储数据的方式，它定义了数据的逻辑关系（数据的连接方式）以及物理存储（数据的存储方式）。数据结构的选择和设计对于程序的效率和性能有着至关重要的影响。
数据结构的主要目的是有效地组织和处理数据，使得数据可以高效地被检索、插入、删除和更新。不同的数据结构适用于不同的应用场景，例如，有些数据结构擅长于快速查找，而有些则更适合于频繁地插入和删除操作。
数组：连续内存空间中的数据集合，通过索引访问元素，适合快速读取但插入和删除操作相对复杂。
栈：后进先出的数据结构，只允许在栈顶进行插入（压栈）和删除（弹栈）操作，常用于函数调用和递归等场景
队列：先进先出的数据结构，一端插入（入队），另一端删除（出队），常用于任务调度和缓冲处理等。
链表：由节点组成，每个节点包含数据和指向下一个节点的指针，适合动态数据插入和删除，但随机访问较慢。
哈希表：通过哈希函数将键映射到存储位置，实现快速查找、插入和删除，常用于数据库索引和缓存等。
。。。。。。
二叉树：每个节点最多有两个子节点的树结构，常用于搜索和排序。
二分搜索树：左子树所有节点值小于根节点，右子树所有节点值大于根节点的二叉树，用于高效搜索。
AVL：自平衡的二叉搜索树，保持树的平衡以优化性能
红黑树：通过颜色和特定规则保持平衡的二叉搜索树，用于高效查找和插入。
Treap：结合堆和二叉搜索树的特性，通过随机化保持平衡。
Splay：通过伸展操作优化查找性能的自适应二叉搜索树。
堆：完全二叉树，满足父节点值大于或等于（最大堆）或小于或等于（最小堆）其子节点值，常用于实现优先队列。
Trie：又称前缀树或字典树，用于存储字符串集合，支持快速查找和插入。
线段树：用于解决区间查询和更新问题的数据结构。
K-D树：多维空间点的二叉树组织方式，用于高效查找最近邻等。
并查集：用于处理集合合并和查询问题的数据结构。
哈夫曼树：用于数据压缩的编码树，根据字符出现频率构建。
。。。。。。
邻接矩阵：用矩阵表示图中节点之间的连接关系，便于理解和实现，但空间复杂度较高。
邻接表：用链表或数组表示每个节点相邻的节点信息，节省空间且便于查找相邻节点。