大二開始學習數據結構，老師的講課方式就是PPT照本宣科，講解算法就是把代碼的部分貼出來一行一行細講......基本每節課除了只知道老師講了什么內容，內容的思想我可以說是0%吸收，于是我便打算自學。

自學的路上我走了不少坑，比如通過看自學書的代碼來弄懂算法思想，結果發現是本末倒置。學到現在，我感覺數據結構大體分為兩個部分：概念闡述和算法實現，相比概念，算法實現的學習最后必須依靠線上，所花的時間成本也遠大于概念學習，我覺得像老師那樣把代碼放在幻燈片上細講的做法純粹在浪費時間。因為放映的都是某部分功能而不是整套算法，學的時候很難把眼前算法里的一些變量跟最上面的typedef的各種屬性聯系起來，再聯系到結構圖例以弄清楚是講了什么，課上先講的ADT在腦子里記不住，老師就就跳轉到算法上去了，最后導致盡管看懂了概念，看代碼卻依然如天書一般，看不到最后的輸出（既背后的數據結構整個操作的過程）。

基于“所想的事物肯定都有人實踐過了”的想法，我便搜索了一番。目前找到了四個網頁：

前三個已經被各路大佬介紹了無數遍了，但基本都是對網站的簡單介紹，我想把自己的實踐也記錄下來：

（一）Visualgo　　https://visualgo.net/en

這估計是最為知名可視化網站了，也是我第一個找到的網站，可以自己繪制圖結構，但是右邊的代碼執行過程，我這個只會C和Javascript的菜鳥看的一臉懵逼。

此外這個網站有部分算法并未收錄，比如Floyd的最短路徑算法（Floyd-Warshall's Shortest Path）和拓補排序(topological sort)算法就沒有。

（二）Algorithm Visualizer　https://algorithm-visualizer.org/

　　一個Github項目，算法演示代碼為Javascript，可以修改代碼來改圖結構（話說這存儲圖結構用的都是領接矩陣），但似乎有bug，記得我有一次改prim算法的圖運行時動畫就不動了，只好改回默認圖。

　　圖的點可以拖動，但是運行的時候一把步驟往回拖圖又會變成默認的樣子，很煩。

　　另外可視化的效果也不怎么樣，比如這個Dijkstra的算法和Visualgo的一對比。。。一個什么都沒有，一個還能把點的占有關系顯示出來

(三) Data Structure Visualizations https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

舊金山大學開發的，從名字就知道主要是講數據結構，對現在還在學數據結構的我是最適合不過了，不過算法操作過程是用矢量圖演示的，圖結構隨機生成，沒法自己設定，也沒有實例代碼，但是看算法的操作過程夠用了。

（話說它這Dijkstra的算法是從開始點到所有點的，而我學習的是單點對單點）

(四)pythontutor　http://pythontutor.com/

《算法圖解》作者實例代碼庫（https://github.com/egonschiele/grokking_algorithms）的附加推薦！，支持把C，Java,Python,Ruby等代碼的調試過程可視化，對我這個?？嘤诖a調試看不到直觀的鏈表或者數組圖的小白可是很大的幫助。

運行模式分兩種，靜態編譯（Visualize Execution）和動態編譯（Live Programming Mode），區別在于能不能在演示途中修改代碼和改變圖形顯示設置。

不過各種代碼有自身的運行限制，詳細見文檔講述。。

工具介紹就是這些，至于使用和優點比較大家看各自的情況選取發揮。對我來講最好不過就是能看到自己寫的代碼背后數據的操作過程了，今年還有名為hedis的大佬發布了一個名為data visualizer的vscode插件（https://github.com/hediet/vscode-debug-visualizer），可是涉及的知識要求并不是我能夠掌握的。。。。

另外附Dijkstra算法的python實現如下：

from json import dumps
graph = {'start': {'a': 6, 'b': 2}, 'a': {
    'fin': 1}, 'b': {'a': 3, 'fin': 5}, 'fin': {}}
# graph["start"] = {}
# graph["start"]["a"] = 6
# graph["start"]["b"] = 2
# print (graph["start"])

# graph["a"] = {}
# graph["a"]["fin"]=1

# graph["b"] = {}
# graph["b"]["a"]=3
# graph["b"]["fin"]=5

# graph["fin"] = {}

# print(graph)
infinity = float("inf")
costs = {}
costs = {"a": 6, "b": 2, "fin": infinity}

print(costs)

parents = {"a": "start", "b": "start", "fin": None}


processed = []
json_graph = dumps(graph)


def find_lowest_cost_node(costs):
    lowest_cost = float("inf")
    lowest_cost_node = None
    for node in costs:
        cost = costs[node]
        if cost < lowest_cost and node not in processed:
            lowest_cost = cost
            lowest_cost_node = node
    return lowest_cost_node


node = find_lowest_cost_node(costs)
while node is not None:
    cost = costs[node]
    neighbors = graph[node]

    for n in neighbors.keys():
        new_cost = cost + neighbors[n]

        if costs[n] > new_cost:
            costs[n] = new_cost
            parents[n] = node

    processed.append(node)
    node = find_lowest_cost_node(costs)
print("Cost from the start to each node:")
print(costs)