データ構造とは — なぜ重要なのか

このトピックを修了すると

データ構造が何であるかを説明でき、なぜ「データをどのように保存するか」がプログラムのパフォーマンスを決定するのかを理解できるようになります。

同じデータ、異なるパフォーマンス

電話帳を考えてみましょう。1000人の名前と電話番号があります。

方法A: 紙に順番によらず書き出す

• 「キム・フン」を探すには？ → 最初から一つずつ確認。最悪の場合、1000回

方法B: 辞書順に並べ替える

• 「キム・フン」を探すには？ → 中央を開いて比較し、半分ずつ絞り込む。最大10回で探せる

データは同じです。保存および整理する方法が異なるだけで、検索速度は100倍の差があります。

これが**データ構造（Data Structure）**の核心です — データをどのような形で組織するかによって、演算の効率が異なります。

データ構造の基本的な種類

線形データ構造（一列に並んだもの）
├── 配列（Array） — 連続したセルに順番に
├── 連結リスト — 各セルが次のセルを指す
├── スタック（Stack） — 上からのみ入れ、取り出す
└── キュー（Queue） — 後ろから入れ、前から取り出す

非線形データ構造（枝分かれするもの）
├── ツリー（Tree） — 階層構造
├── グラフ（Graph） — 自由な接続
└── ハッシュテーブル — キーで直接アクセス

なぜ一つのデータ構造だけではいけないのか

配列が万能であれば、他のデータ構造は必要ないでしょう。しかし、各構造には得意なことと不得意なことがあります。

「このプログラムは検索をたくさん行うのでハッシュテーブル」、「順番が重要なので配列」 — 状況に合ったデータ構造を選択することがプログラマーの判断です。

データ構造 + アルゴリズム = プログラム

有名な公式があります。

プログラム = データ構造 + アルゴリズム — ニクラス・ヴィルト（Pascal言語の創始者）

データ構造はデータを格納する入れ物であり、アルゴリズムはその入れ物からデータを処理する方法です。良い入れ物に良いレシピを使うと、効率的なプログラムになります。

実務においてなぜ重要なのか

# リストからの検索 — O(n)、データが多いと遅い
users = ["キム・フン", "イ・ス", "パク・ジン", ...]  # 100万人
"キム・フン" in users  # 最悪100万回比較

# 辞書（ハッシュテーブル）からの検索 — O(1)、ほぼ即時
users = {"キム・フン": "010-1234", "イ・ス": "010-5678", ...}
users["キム・フン"]  # 一瞬で検索

100万人のユーザーがいる場合、データ構造の選択によって100万回 vs 1回の差が生じます。これがデータ構造を学ぶ理由です。