本质栈是一种特殊的数据结构，它特殊在它的结构，与数组、链表不同的是，它的数据出入规则是：先进后出，后进先出。
由于它这种特殊的特性，它一般用于指定的场景之下，例如：浏览器的前进与回退效果。
浏览器的特性是：我们可以向前访问我们之前访问的网站，也可以向后访问后面的网站。
浏览器的这种特性，完美匹配了栈的结构。
我们只需使用两个栈，分别代表浏览器的向前访问与向后访问。
当某个数据集合只涉及在一端插入和删除数据，并且满足先进后出，后进先出的特性，这时我们应该首先想到的是栈，看它是否能够更好的实现我们所需的场景。
实现方式栈的实现方式有两种，一种是基于数组的实现方式，称为顺序栈;另一种是基于链表的实现方式，称为链式栈。
这两种实现方式区别不是很多，实现之后栈的出入时间复杂度都是O(1)。
不同的是基于数组实现的栈消耗的内存更少，因为它不需要额外保存指向的指针。
但基于数组的另外一额外需要做的是，如果需要实现不定大小的栈，它需要实现动态扩容，这是所有基于数组实现的一个必修课。
下面我们来实现一个基于数组的顺序栈，为了减少复杂度，不考虑扩容的情况。
// 基于数组实现的顺序栈class ArrayStack(private val n: Int) { private val items = arrayOfNulls
基于上面的实现，我们能够很容易得出栈的出入时间复杂度为O(1)。
另一方面，由于没有额外的空间申请，所以栈的空间复杂度为O(1)。
扩容上面我们实现的是一个固定的顺序栈，也就是说初始化的时候已经指定了栈的大小，当栈满了的时候，无法进行向栈中添加数据。当然基于链表的链式栈没有这种限制。
为了解决顺序栈的这种限制，我们需要对数据进行扩容操作，这在数组那一节也有提及过。
所以，如果要实现一个支持扩容的栈，我们只需底层依赖一个基于扩容的数组即可。
具体的扩容示意图如下：
具体代码实现可以查看数据的扩容。
下面我们再来分析一下基于数组扩容的栈的时间复杂度。
首先未达到栈的大小时，这一阶段与固定的顺序栈一样，出入的时间复杂度都为O(1)。
当数据为K时且达到扩容的临界点时，需要将数组的大小扩大到原来的两倍，并将之前的数据拷贝的新的数组中;这一阶段消耗的时间复杂度为O(K)。
当扩容结束之后继续出入栈，此时的时间复杂度又为O(1)。
当再一次达到2k时又需要再次扩容，拷贝数据到新数组中，此时消耗的时间复杂度为O(2k)。
反复重复以上步骤。
这就是支持扩容的顺序栈的时间复杂度的变化。也就是说最好情况的时间复杂度为O(1);最坏的时间复杂度为O(n)。那么平均时间复杂度呢?
还记得在算法之旅:复杂度分析中提到的均摊时间复杂度吗?
下面我们就利用均摊时间复杂度来分析它的平均时间复杂度。其实看一张图就能够明白均摊时间复杂度的算法。
每次我们都将扩容的所消耗的时间都分摊到之后的入栈中。在分摊之前入栈需要一个push的时间;分摊之后入栈在push的时间上再加上一个数据move的时间。push与move的时间复杂度都为O(1)。
所以均摊之后栈的整个时间复杂度就是O(1)，即栈的平均复杂度为O(1)。
栈的应用现在我们已经对栈有了一个全面的了解，为了完全巩固栈这种数据结构，我们剩下的就是练习以达到熟悉程度。
例如：实现一个基本的计算器来计算一个简单的字符串表达式的值, 字符串表达式可以包含左括号(，右括号)，加号+，减号-，非负整数和空格。
基于表达式的运算，非常符合栈这种结构，我们可以使用栈来实现的。实现思路如下：
通过设定一个符号位将所有的运算转化成加法
遇到数字都带上之前的符号位，再与之前的结果做加法运算
遇到'('将之前的符号位与结果保留到栈中，然后再重复1 2步骤计算括号里面的值
遇到')'取出之前保留的符号位与结果，与当前结果做加法运算
/** * O(n) */fun calculate(s: String): Int { val numberStack = Stack
还有一些关于栈的经典练习，如果能够掌握这些，那么有关栈的算法就基本没什么问题了
比较含退格的字符串
棒球比赛
下一个更大元素
有效的括号
我将源码放在Github上了，如有需要的可以自行查看。
本文转载自微信公众号「 Android补给站」，可以通过以下二维码关注。转载本文请联系 Android补给站公众号。
