En una entrevista técnica te piden guardar una lista de tareas donde vas a añadir y quitar elementos constantemente por el principio. Usas un array normal, todo funciona en tus pruebas… y cuando el proyecto crece a miles de elementos, se vuelve lento sin que entiendas por qué. El problema no es tu código: es que estabas usando la estructura de datos equivocada para ese trabajo.
Las librerías modernas esconden casi todo esto, así que se puede programar años sin pensar en ello. Pero entender cómo funcionan por dentro las estructuras de datos básicas es lo que separa «código que funciona» de «código que sigue funcionando bien cuando el proyecto crece». Al terminar esta guía vas a saber qué estructura de datos usar en cada situación y por qué.
Antes de seguir, conviene tener claros los conceptos básicos de programación (variables, bucles, funciones). Si aún no los tienes, nuestra guía para empezar en programación desde cero es un buen punto de partida antes de esta, igual que revisar qué lenguaje de programación te conviene si aún no lo tienes claro.
Las seis paradas de esta guía
- Qué son las estructuras de datos (y por qué no son lo mismo que un tipo de dato)
- Arrays: la base de casi todo lo demás
- Listas enlazadas: cuando insertar en medio no debería costar caro
- Pilas y colas: el orden en el que salen las cosas importa
- Hash maps: buscar algo en tiempo casi instantáneo
- Árboles: cuando los datos tienen jerarquía
- Comparativa rápida de las seis
- Qué aprender después
Qué son las estructuras de datos (y por qué no son lo mismo que un tipo de dato)
Un tipo de dato (entero, texto, booleano) describe qué es un valor individual. Una estructura de datos describe cómo se organizan muchos valores juntos en memoria, y esa organización es exactamente lo que determina si una operación es instantánea o si tarda cada vez más a medida que crece el proyecto.
No existe una estructura de datos «mejor» en general: cada una hace una cosa muy rápido a cambio de que otra cosa le cueste más. Elegir bien no va de memorizar nombres, va de saber qué operación vas a hacer más veces con esos datos: ¿leer por posición, buscar por valor, insertar al principio, o insertar al final?
Una estructura de datos es como elegir el tipo de estantería adecuado antes de guardar cientos de libros: los mismos libros pueden organizarse de muchas maneras, pero unas permiten encontrarlos mucho más rápido que otras, o añadir uno nuevo sin tener que mover toda la estantería.
Arrays: la base de casi todo lo demás
Un array guarda sus elementos en posiciones consecutivas de memoria, uno justo al lado del otro. Eso hace que acceder al elemento en la posición 5 sea instantáneo, sin importar si el array tiene 10 elementos o 10 millones: el ordenador calcula directamente dónde está esa posición en memoria.
El problema aparece al insertar o borrar algo que no sea al final: si añades un elemento al principio, todos los demás tienen que desplazarse una posición para dejarle sitio. Con un array pequeño no se nota. Con uno de un millón de elementos, ese desplazamiento se convierte en el cuello de botella de todo el programa. Dato curioso: la mayoría de las listas que usas en Java, Python, JavaScript o C# están implementadas por dentro mediante arrays dinámicos, aunque no lo parezca desde fuera.
Listas enlazadas: cuando insertar en medio no debería costar caro
Una lista enlazada resuelve justo el problema anterior: en vez de guardar los elementos consecutivos en memoria, cada elemento («nodo») guarda su valor y un puntero al siguiente nodo. Insertar algo en medio de la lista es tan simple como cambiar dos punteros, sin mover nada más. Visualmente, un array es [A][B][C][D][E] uno pegado al otro en memoria; una lista enlazada es A → B → C → D → E, cada nodo apuntando al siguiente esté donde esté en memoria.
A cambio, pierdes el acceso instantáneo por posición: para llegar al elemento 500, tienes que recorrer los 499 anteriores uno a uno siguiendo los punteros. Por eso las listas enlazadas se usan cuando insertas y borras mucho, y los arrays cuando lees por posición mucho.
Pilas y colas: el orden en el que salen las cosas importa
Una pila (stack) funciona como una pila de platos: el último plato que colocas es el primero que retiras (LIFO, «last in, first out»). Se usa constantemente sin que lo notes: el botón de deshacer de un editor, la navegación hacia atrás del navegador, o la pila de llamadas de funciones de cualquier programa que ejecutas: deshacer en un editor, el botón «atrás» del navegador, o cómo tu programa recuerda a dónde volver tras cada función que llama.
Una cola (queue) funciona al revés: el primero en entrar es el primero en salir (FIFO, «first in, first out»), como la cola de la cafetería. Se usa para gestionar tareas en el orden en que llegan: una impresora que procesa documentos en el orden en que llegan, la cola del supermercado, o las peticiones que recibe un servidor web.
Hash maps: buscar algo en tiempo casi instantáneo
Un hash map (también llamado diccionario u objeto, según el lenguaje) guarda parejas de clave y valor, y usa una función matemática (la función hash) para calcular directamente dónde vive cada valor a partir de su clave. El resultado práctico es que buscar el valor de «nombre_usuario» es casi tan instantáneo si hay 10 claves guardadas como si hay 10 millones.
Es la estructura que hay detrás de casi cualquier sistema que necesite búsquedas rápidas por identificador: bases de datos, cachés, y los propios diccionarios de Python o los objetos de JavaScript. Cuando buscas una palabra en un diccionario digital o un usuario por su nombre, es muy probable que por debajo se esté usando una estructura similar a un hash map.
Árboles: cuando los datos tienen jerarquía
Un árbol organiza los datos en nodos padre e hijo, formando una jerarquía: piensa en las carpetas y subcarpetas de tu ordenador, o en la estructura de comentarios anidados de una red social. Cada nodo puede tener varios «hijos», pero solo un «padre», y todo arranca de un único nodo raíz.
Los árboles bien organizados (como los árboles de búsqueda binaria) permiten buscar, insertar y borrar en un tiempo que crece muy despacio incluso con millones de elementos, mucho mejor que recorrer una lista entera. Por eso son la base de cómo funcionan por dentro muchos índices de bases de datos. Los sistemas de archivos de tu ordenador, los menús de muchas aplicaciones y buena parte de la estructura de Internet también se organizan como árboles.
Comparativa rápida de las seis
En resumen: si necesitas acceder rápido por posición, usa un array. Si insertas y borras constantemente en medio, una lista enlazada. Si el orden de salida importa, una pila o una cola. Si buscas por clave, un hash map. Y si tus datos tienen jerarquía, un árbol. Aquí tienes la comparativa completa:
| Estructura | Acceso por posición | Insertar en medio | Búsqueda por valor |
|---|---|---|---|
| Array | Instantáneo | Lento | Depende del tamaño |
| Lista enlazada | Depende del tamaño | Instantáneo | Depende del tamaño |
| Pila / Cola | Solo un extremo | No aplica | Depende del tamaño |
| Hash map | No aplica | Instantáneo | Instantáneo |
| Árbol equilibrado | No aplica | Rápido | Rápido |
Qué aprender después
El siguiente paso natural es implementar cada una de estas estructuras de datos desde cero al menos una vez, aunque tu lenguaje ya las traiga incorporadas: es la forma más rápida de que dejen de ser abstractas. Después puedes seguir con la recursividad y los grafos, que se apoyan directamente en lo visto aquí. Después, merece la pena aprender a leer la notación «Big O», que es el lenguaje estándar para describir formalmente lo rápido o lento que es cada operación a medida que crecen los datos; la Big O Cheat Sheet es una referencia rápida muy usada para esto.
Y si todavía no tienes soltura subiendo y organizando tu código, nuestra guía de Git y GitHub es el complemento perfecto para practicar estas estructuras de datos en un proyecto real desde el primer commit.
Preguntas frecuentes
¿Qué es una estructura de datos?
Es la forma en la que se organizan varios valores en memoria para poder acceder a ellos, buscarlos o modificarlos de forma eficiente. Cada estructura hace algo muy rápido a cambio de que otra operación le cueste más.
¿Cuál es la estructura de datos más utilizada?
El array, porque es la base sobre la que se construyen muchas otras estructuras y es la forma más directa de guardar una colección de elementos.
¿Qué diferencia hay entre un array y una lista enlazada?
El array guarda los elementos consecutivos en memoria, con acceso instantáneo por posición. La lista enlazada guarda cada elemento con un puntero al siguiente, con inserción instantánea en cualquier punto pero acceso más lento por posición.
¿Qué es un hash map?
Una estructura que guarda parejas de clave y valor, y usa una función hash para encontrar cualquier valor a partir de su clave en tiempo casi instantáneo.
¿Necesito aprender estructuras de datos para programar?
Para empezar no, la mayoría de lenguajes las traen listas para usar. Pero entenderlas es lo que te permite elegir la adecuada cuando un proyecto crece y el rendimiento empieza a importar.
Deja una respuesta