数据结构的基本运算：
修改、插入、删除、查找、排序
1) 修改
通过数组的下标便可访问某个特定元素并修改之。
核心语句: V[i]=x;
显然，顺序表修改操作的时间效率是 O(1)
2）插入
在线性表的第i个位置前插入一个元素的示意图如下
实现步骤：
将第n至第i 位的元素向后移动一个位置；
将要插入的元素写到第i个位置；
表长加1。
注意：事先应判断: 插入位置i 是否合法?表是否已满?
应当有1≤i≤n+1 或 i=[1, n+1]
核心语句：
//c语言
for (n; j>=i; j--)
a[j+1]=a[ j ]; // 元素后移一个位置
a[ i ]=x; // 插入x
n++; // 表长加1
//python 实现
for (j, n, -1)
a[j+1]=a[ j ]; // 元素后移一个位置
a[ i ]=x; // 插入x
n++; // 表长加1 时间复杂度
a. 尾端加入元素，时间复杂度为O(1)
b. 非保序的加入元素（不常见），时间复杂度为O(1)
c. 保序的元素加入，时间复杂度为O(n)
3）删除
删除顺序表中某个指定的元素的示意图如下：
删除线性表的第i个位置上的元素
实现步骤：
- 将第i+1 至第n 位的元素向前移动一个位置；
-
表长减1
注意：事先需要判断，删除位置i 是否合法?是否为空表？应当有1≤i≤n 或 i=[1, n]
核心语句：
//c语言
for ( j=i+1; j<=n; j++ )
a[j-1]=a[j]; // 元素前移一个位置
n--; // 表长减1
//python
for ( j， n )
a[j-1]=a[j]; // 元素前移一个位置
n--; // 表长减1 时间复杂度
a. 删除表尾元素，时间复杂度为O(1)
b. 非保序的元素删除（不常见），时间复杂度为O(1)
c. 保序的元素删除，时间复杂度为O(n)
顺序表的运算效率分析
时间效率分析:
-
算法时间主要耗费在移动元素的操作上，因此 计算时间复杂度的基本操作（最深层语句频度）
T(n)= O (移动元素次数) 而移动元素的个数取决于插入或删除元素的位置.
讨论1：若在长度为 n 的线性表的第 i 位前 插入一个元素，则向后移动元素的次数f(n)为:
f(n) =n – i + 1
思考：若插入在尾结点之后，则根本无需移动（特别快）；
若插入在首结点之前，则表中元素全部要后移（特别慢）；
应当考虑在各种位置插入（共n+1种可能）的平均移动次数才合理。
Python中的顺序表
Python中的list和tuple两种类型采用了顺序表的实现技术，具有前面讨论的顺序表的所有性质。
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），而且还具有以下行为特征：