我一直在寻找有关数据结构的好的在线课程，但发现Google还会返回算法课程的结果，其中包含以下内容：

在本课程中，您将学习算法设计的一些基本原理：分而治之方法，图形算法， 实用的数据结构（堆，哈希表，搜索树），随机算法等等。[资源]

和

在本课程结束时，您将了解为图形和其他重要数据结构设计新算法 并评估这些算法的效率所需的关键概念。[资源]

和

本课程介绍了计算问题的数学建模。它涵盖了用于解决这些问题的通用算法，算法范例和数据结构。[资源]

我的问题是：算法和数据结构是否紧密相连，这意味着它们必须被一起理解，或者一个主题比另一个主题更基础？

编辑：对于那些投票赞成关闭这个问题的人，您能告诉我为什么以及也许如何改善这个问题吗？学习提出正确的问题是教育过程的一部分。

确实存在各种各样的混合物。您有不与算法相关联的数据结构，有不需要（实际）数据结构的算法，但是大多数情况下，两者是打包在一起的。

编辑：正如@Doval正确指出的那样，数据结构本身没有任何关联的操作。数据结构和算法相结合的行为形成了抽象的数据类型。

没有算法的数据结构

考虑例如用于存储二维坐标的数据结构，适当地称为Point。对于一个点，在算法上没有什么可做的，它实际上只是一个x和y值的容器。当然，有了这种数据结构，您现在可以在其之上添加各种算法（距离计算，凸包，具有所需功能）。

您可以想到很多数据结构，它们只是单个数据的累积。尽管这些在实践中确实经常发生，但它们并不能构成很好的教材，因为没有什么可学的，一旦您了解了，单个数据项就可以累积到一个新的数据结构中（就像您学到的一样）在上面的Point示例之后，如果我为您提供了一个名为的出色数据结构Point3D，它可以对3维空间做同样的事情？）

没有（真实）数据结构的算法

“真实”，因为显然每个有趣的算法都需要原始数据类型，例如整数或布尔值，因此在此上下文中我们不希望将它们视为数据结构。与上述类似，这些算法通常非常简单。特别是，它们不会带有任何复杂的状态，因为它通常进入数据结构中（请参阅下一节）。

这种算法的一个示例是计算两个数字的最大公约数。Euklid的gcd算法实际上只需要保存两个整数并对其进行操作。

一旦事情变得越来越有趣，您很快就会进入抽象数据类型的世界。例如，Eratosthenes的筛子是基于数组的。现在我们可以讨论数组是否仍然是原始数组，或者实际上，您可以讨论整数是否还不是数据结构。无论哪种方式，即使您接受了孤立存在的算法，但完全没有数据结构的算法却很无聊。

结合数据结构（又称为抽象数据类型）的算法

现在这些是有趣的，但是出于两个截然不同的原因。通常，您可以从两个方向处理这些问题：首先是数据结构，或者首先是算法。

虽然抽象数据类型是通过数据结构+算法/操作的组合来定义的，但我们通常将其重点放在其中的一种上，而将另一种视为促成因素。

数据结构，然后是算法

您将遇到抽象数据类型，这些数据类型使用起来非常简单，但是涉及或多或少的复杂算法以使其在内部工作。例如，a HashMap使用起来很琐碎，但是涉及一个漂亮的哈希函数并处理内部的哈希冲突。但是，从您作为用户的角度来看，您关心的是它为您保留了数据，而不是为您提供服务的东西。

与下面的最后一组相反，这些数据结构不会将其用户暴露给这些算法。您无需了解或关心HashMaps的内部哈希函数就可以使用它。（但是，要有效地使用它，您可能想知道这些事情；）

算法，然后是数据结构

另一个方向意味着您拥有一种算法，希望能够简单地使用它，但是需要内部使用数据结构来使其按预期工作。一个示例就是二进制空间分区（BSP）算法，您可以简单地Point从一组最接近给定查询点的点中请求二维。但是，您实际上需要在内部使用树结构（甚至包括距离计算在内的其他算法）来编写算法。

通常，可以说该组中的算法使用相关的数据结构来表示其内部状态。我会争辩说，这组算法是最多样化的，您会发现许多适合这种通用方案的算法。就观点而言，我们认为它们很有趣，因为它们为我们做了一些事情（例如排序），并且不太在意数据保存部分。

紧密相关的数据结构和算法

最后，您拥有数据结构，这些数据结构与直接对应于它们的算法非常相关。一个典型的例子是一棵二叉树，当您想对它进行有意义的处理时，它会强制您执行树遍历算法的主题（深度优先，宽度优先等）。

对于这些情况，我们经常更改结果抽象数据类型的视图重点。有时，您关心树的结构，几分钟后，您关心的是能够在树上运行查找操作，然后您想知道是否删除节点，然后马上考虑结构的外观。尽管上述所有其他部分也都适用，但例如，当您将数据存储到中或从中检索数据Map时，或者在对链表进行排序时，这并不是您要关注的重点。

数据结构通常会影响算法的细节。因此，这两个经常并存。

例如，考虑一种用于修剪草坪的算法。修剪草坪的方式可能会受到草坪实际结构的影响。如果您住在人口稠密的郊区的一所小房子里，而草坪只是面积为几平方米的小矩形，则您可能更希望使用推草机而不是拖拉机/割草机割草。如果您的草坪涉及许多英亩的平整草地，那么您可能更喜欢骑马割草机而不是推草机（尽管任一个割草机最终都能完成工作）。如果您的草坪涉及面积大且平坦的土地，但有几处小山丘和许多树木，那么您可能会开发出一种更有趣的算法来修剪草坪，既涉及割草机又包括推草机或其他一些草切割技术。

但最终，数据的结构可能会对您如何开发算法（或使用哪种算法）的决策产生重大影响。因此，这两个主题经常并存。

反之亦然：有时我们想要使用的算法（至少在计算开始时）会影响为支持该算法而开发的数据结构。例如，从数组列表到链接列表的概念，最后到BST，用于存储允许快速查找的有序列表。