前言
在大部分编程语言中，数组都是从 0 开始编号的，但你是否下意识地想过， 从 1 开始不是更符合人类的思维习惯吗？
数组
数组（Array）是一种线性表结构，它用一组连续的内存空间，来存储一组具有相同数据类型的数据
附上维基百科中数组的定义
这么看来，JavaScript中的数组其实更像Java中的容器，JavaScript中的数组可以存储不同类型的数据，长度也可变。后面提到的数组都只是这种基本的数据结构数组，而不是各种语言中的数据类型数组。
这个定义里有几个关键词，理解了这几个关键词，就能彻底掌握数组这种数据结构。
线性表（Linear List）
顾名思义，线性表就是数据排成像一条线一样的结构。每个线性表上的数据最多只有前和后两个方向。其实除了数组，链表、队列、栈等也是线性表结构。
而与它相对立的概念是非线性表，比如二叉树、堆、图等。之所以叫非线性，是因为，在非线性表中，数据之间并不是简单的前后关系。
连续的内存空间和相同类型的数据
正是因为这两个限制，它才有了一个堪称“杀手锏”的特性：“随机访问”。但有利就有弊，这两个限制也让数组的很多操作变得非常低效，比如要想在数组中删除、插入一个数据，为了保证连续性，就需要做大量的数据搬移工作。
我们拿一个长度为 10 的 int 类型的数组 int[] a = new int[10] 来举例。在我画的这个图中，计算机给数组 a[10]，分配了一块连续内存空间 1000～1039，其中，内存块的首地址为 base_address = 1000。
我们知道，计算机会给每个内存单元分配一个地址，计算机通过地址来访问内存中的数据。当计算机需要随机访问数组中的某个元素时，它会首先通过下面的寻址公式，计算出该元素存储的内存地址：a[i]_address = base_address + i * data_type_size
其中 data_type_size 表示数组中每个元素的大小。我们举的这个例子里，数组中存储的是 int 类型数据，所以 data_type_size 就为 4 个字节。
所以数组支持随机访问，根据下标随机访问的时间复杂度是 O(1)
数组的插入和删除
内存数据的连续性让数组能够随机访问。也正是因为需要保持连续性，插入和删除操作就变得复杂。
先看插入操作
假设数组的长度为 n，现在，如果我们需要将一个数据插入到数组中的第 k 个位置。为了把第 k 个位置腾出来，给新来的数据，我们需要将第 k～n 这部分的元素都顺序地往后挪一位。那插入操作的时间复杂度是多少呢
如果在数组的末尾插入元素，那就不需要移动数据了，这时的时间复杂度为 O(1)。但如果在数组的开头插入元素，那所有的数据都需要依次往后移动一位，所以最坏时间复杂度是 O(n)。 因为我们在每个位置插入元素的概率是一样的，所以平均情况时间复杂度为 (1+2+…n)/n=O(n)。
如果数组中的数据是有序的，我们在某个位置插入一个新的元素时，就必须按照刚才的方法搬移 k 之后的数据。但是，如果数组中存储的数据并没有任何规律，数组只是被当作一个存储数据的集合。在这种情况下，如果要将某个数组插入到第 k 个位置，为了避免大规模的数据搬移，我们还有一个简单的办法就是，直接将第 k 位的数据搬移到数组元素的最后，把新的元素直接放入第 k 个位置。
删除操作
和插入类似，如果删除数组末尾的数据，则最好情况时间复杂度为 O(1)；如果删除开头的数据，则最坏情况时间复杂度为 O(n)；平均情况时间复杂度也为 O(n)。
实际上，在某些特殊场景下，我们并不一定非得追求数组中数据的连续性。如果我们将多次删除操作集中在一起执行，删除的效率就会提高很多。这和垃圾回收机制中的标记清除法的核心思想是一样的。对于要删除的数据我们先不删除而是给它打上要删除的标记，等到所有的数据都检查完毕之后，再触发一次真正的删除操作。
数组下标为何从0开始
查过相关的资料，C语言中最初是如此设计的，后来的出现的各种语言如Java、JavaScript也就效仿了C语言。当然也有很多语言中的数组不是从0开始的，比如Matlab。甚至还有一些语言支持负数下标，如Python。
从数组存储的内存模型上来看，“下标”最确切的定义应该是“偏移（offset）”。前面也讲到，如果用 a 来表示数组的首地址，a[0] 就是偏移为 0 的位置，也就是首地址，a[k] 就表示偏移 k 个 type_size 的位置，所以计算 a[k] 的内存地址只需要用这个公式：a[k]_address = base_address + k * type_size
如果下标从 1 开始计数，则a[k]的内存地址公式：a[k]_address = base_address + (k-1)*type_size对于CPU来说多了一次减法指令。
从这个角度看，数组从 0 开始计数有一定的优势。