抽象数据类型：有序表OrderedList
有序表是一种数据项依照其某可比性质（如整数大小、 字母表先后） 来决定在列表中的位置
越“小”的数据项越靠近列表的头， 越靠“前“
OrderedList所定义的操作如下：
OrderedList()：创建一个空的有序表
add(item)：在表中添加一个数据项，并保持整体顺序，此项原不存在
remove(item)：从有序表中移除一个数据项，此项应存在，有序表被修改
search(item)：在有序表中查找数据项，返回是否存在
isEmpty()：是否空表
size()：返回表中数据项的个数
index(item)：返回数据项在表中的位置，此项应存在
pop()：移除并返回有序表中最后一项，表中应至少存在一项
pop(pos)：移除并返回有序表中指定位置的数据项，此位置应存在
在实现有序表的时候， 需要记住的是， 数据项的相对位置， 取决于它们之间的“大小”比较
由于Python的扩展性，下面对数据项的讨论并不仅适用于整数，可适用于所有定义了__gt__方法（即’>'操作符）的数据类型
以整数数据项为例， (17, 26, 31, 54, 77, 93)的链表形式如图
同样采用链表方法实现
Node定义相同
OrderedList也设置一个head来保存链表表头的引用
对于isEmpty/size/remove这些方法，与节点的次序无关 ， 所以其实现跟UnorderedList是一样的。
search/add方法则需要有修改
search方法
在无序表的search中， 如果需要查找的数据项不存在， 则会搜遍整个链表， 直到表尾
对于有序表来说， 可以利用链表节点有序排列的特性， 来为search节省不存在数据项的查找时间
一旦当前节点的数据项大于所要查找的数据项，则说明链表后面已经不可能再有要查找的数据项，可以直接返回False
如我们要在下图查找数据项45
代码如下：
def search ( self, item) :
current = self. head
found = False
stop = False
while current != None and not found and not stop:
if current. getData( ) == item:
found = True
else :
if current. getData( ) > item:
stop = True
else :
current = current. getNext( )
return found
add方法
相比无序表， 改变最大的方法是add， 因为add方法必须保证加入的数据项添加在合适的位置， 以维护整个链表的有序性
比如在(17, 26, 54, 77, 93)的有序表中，加入数据项31，我们需要沿着链表，找到第一个比31大的数据项54，将31插入到54的前面
由于涉及到的插入位置是当前节点之前， 而链表无法得到“前驱”节点的引用
所以要跟remove方法类似， 引入一个previous的引用， 跟随当前节点current
一旦找到首个比31大的数据项， previous就派上用场了
代码如下：
def add ( self, item) :
current = self. head
previous = None
stop = False
while current != None and not stop:
if current. getData( ) > item:
stop = True
else :
previous = current
current = current. getNext( )
temp = Node( item)
if previous == None :
temp. setNext( self. head)
self. head = temp
else :
temp. setNext( current)
previous. setNext( temp)
1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16 17
对于链表复杂度的分析， 主要是看相应的方法是否涉及到链表的遍历
对于一个包含节点数为n的链表
isEmpty是O(1)，因为仅需要检查head是否为None
size是O(n)，因为除了遍历到表尾，没有其它办法得知节点的数量
search/remove以及有序表的add方法，则是O(n)，因为涉及到链表的遍历，按照概率其平均操作的次数是n/2
无序表的add方法是O(1)，因为仅需要插入到表头
链表实现的List， 跟Python内置的列表数据类型， 在有些相同方法的实现上的时间复杂度不同
主要是因为Python内置的列表数据类型是基于顺序存储来实现的， 并进行了优化
