跳转至

0.2.   如何使用本书

Tip

为了获得最佳的阅读体验,建议您通读本节内容。

0.2.1.   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,建议可以先跳过。
  • 文章中的重要名词会用 「 」 括号标注,例如 「数组 Array」 。请务必记住这些名词,包括英文翻译,以便后续阅读文献时使用。
  • 加粗的文字 表示重点内容或总结性语句,这类文字值得特别关注。
  • 专有名词和有特指含义的词句会使用 “双引号” 标注,以避免歧义。
  • 涉及到编程语言之间不一致的名词,本书均以 Python 为准,例如使用 \(\text{None}\) 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
 */

0.2.2.   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和图解形式展示,而文字则作为动画和图片的解释与补充。

在阅读本书时,如果发现某段内容提供了动画或图解,建议以图为主线,以文字(通常位于图像上方)为辅,综合两者来理解内容。

动画图解示例

Fig. 动画图解示例

0.2.3.   在代码实践中加深理解

本书的配套代码被托管在 GitHub 仓库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

Fig. 运行代码示例

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

第二步:下载代码仓。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,你也可以点击“Download ZIP”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

Fig. 克隆仓库与下载代码

第三步:运行源代码。如果代码块顶部标有文件名称,则可以在仓库的 codes 文件夹中找到相应的源代码文件。源代码文件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

Fig. 代码块与对应的源代码文件

0.2.4.   在提问讨论中共同成长

阅读本书时,请不要“惯着”那些没学明白的知识点。欢迎在评论区提出你的问题,我和其他小伙伴们将竭诚为你解答,一般情况下可在两天内得到回复。

同时,也希望您能在评论区多花些时间。一方面,您可以了解大家遇到的问题,从而查漏补缺,这将有助于激发更深入的思考。另一方面,希望您能慷慨地回答其他小伙伴的问题、分享您的见解,让大家共同学习和进步。

评论区示例

Fig. 评论区示例

0.2.5.   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. 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、用途和效率等方面内容。
  2. 刷算法题。建议从热门题目开刷,如剑指 OfferLeetCode Hot 100,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。
  3. 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。

作为一本入门教程,本书内容主要涵盖“第一阶段”,旨在帮助你更高效地展开第二和第三阶段的学习。

算法学习路线

Fig. 算法学习路线

评论