Add the chapter of hash map.

docs/chapter_tree/binary_search_tree.md

@@ -566,7 +566,7 @@ comments: true
 
 假设给定 $n$ 个数字，最常用的存储方式是「数组」，那么对于这串乱序的数字，常见操作的效率为：
 
-- **查找元素：** 由于数组是乱序的，因此需要遍历数组来确定，使用 $O(n)$ 时间；
+- **查找元素：** 由于数组是无序的，因此需要遍历数组来确定，使用 $O(n)$ 时间；
 - **插入元素：** 只需将元素添加至数组尾部即可，使用 $O(1)$ 时间；
 - **删除元素：** 先查找元素，使用 $O(\log n)$ 时间，再在数组中删除该元素，使用 $O(n)$ 时间；
 - **获取最小 / 最大元素：** 需要遍历数组来确定，使用 $O(n)$ 时间；
@@ -575,14 +575,14 @@ comments: true
 
 - **查找元素：** 由于数组已排序，可以使用二分查找，使用 $O(\log n)$ 时间；
 - **插入元素：** 为了保持数组是有序的，需插入到数组某位置，平均使用 $O(n)$ 时间；
-- **删除元素：** 与乱序数组中的情况相同，使用 $O(n)$ 时间；
+- **删除元素：** 与无序数组中的情况相同，使用 $O(n)$ 时间；
 - **获取最小 / 最大元素：** 数组头部和尾部元素即是最小和最大元素，使用 $O(1)$ 时间；
 
-观察发现，乱序数组和排序数组中的各类操作的时间复杂度是 “偏科” 的，即有的快有的慢；**而二叉搜索树的各项操作的时间复杂度都是对数阶，在数据量 $n$ 很大时有巨大优势**。
+观察发现，无序数组和有序数组中的各类操作的时间复杂度是 “偏科” 的，即有的快有的慢；**而二叉搜索树的各项操作的时间复杂度都是对数阶，在数据量 $n$ 很大时有巨大优势**。
 
 <div class="center-table" markdown>
 
-|                     | 乱序数组 | 排序数组    | 二叉搜索树  |
+|                     | 无序数组 | 有序数组    | 二叉搜索树  |
 | ------------------- | -------- | ----------- | ----------- |
 | 查找指定元素        | $O(n)$   | $O(\log n)$ | $O(\log n)$ |
 | 插入元素            | $O(1)$   | $O(n)$      | $O(\log n)$ |