आप किसी समस्या के लिए सही डेटा संरचना कैसे चुनते हैं?

Question

Accepted Answer

वह संरचना चुनें जिसके **सबसे अधिक आवृत्ति वाले संचालन आपके एक्सेस पैटर्न के लिए सबसे सस्ते हों**। उन संचालनों को सूचीबद्ध करके शुरू करें जो आप करेंगे, उनकी आवृत्ति का अनुमान लगाएं, फिर उन्हें संरचना की शक्तियों से मेल करें।

## निर्णय जांच सूची

```text
1. How do you access data?  by index -> array
                            by key   -> hash map
                            by order -> tree / heap
2. Need ordering?           sorted   -> balanced BST / sorted array
                            FIFO     -> queue
                            LIFO     -> stack
3. Frequent middle inserts? -> linked list
4. Need fast "seen it?"     -> set / hash map
5. Need "best/min/max next" -> heap (priority queue)
```

## संचालन को जटिलता से मेल करें

| आवश्यकता | सर्वश्रेष्ठ संरचना | मुख्य ऑप लागत |
|---|---|---|
| सूचकांक द्वारा यादृच्छिक पहुंच | dynamic array | O(1) |
| कुंजी द्वारा खोज | hash map | O(1) avg |
| क्रमबद्ध + श्रेणी प्रश्न | balanced BST | O(log n) |
| न्यूनतम/अधिकतम बार-बार | heap | O(log n) pop |
| FIFO / LIFO | queue / stack | O(1) |
| उपसर्ग खोज | trie | O(L) |

## उदाहरण तर्क

```text
"Find the 10 most frequent words in a huge file."
 - count frequencies  -> hash map (O(1) updates)
 - keep top 10        -> min-heap of size 10 (O(log 10) per word)
```

## यह क्यों महत्वपूर्ण है

सही चुनाव अक्सर O(n) और O(n²) समाधान के बीच का अंतर होता है — प्रदर्शन पर सबसे बड़ा लीवर।

साक्षात्कारकर्ता बिल्कुल इस तर्क की परीक्षा लेते हैं: वे देखना चाहते हैं कि आप आवश्यकताओं को संचालन लागतों से कैसे जोड़ते हैं, संरचनाओं को याद रखने के बजाय।

आवश्यकता	सर्वश्रेष्ठ संरचना	मुख्य ऑप लागत
सूचकांक द्वारा यादृच्छिक पहुंच	dynamic array	O(1)
कुंजी द्वारा खोज	hash map	O(1) avg
क्रमबद्ध + श्रेणी प्रश्न	balanced BST	O(log n)
न्यूनतम/अधिकतम बार-बार	heap	O(log n) pop
FIFO / LIFO	queue / stack	O(1)
उपसर्ग खोज	trie	O(L)