Unify punctuation.

docs/chapter_data_structure/basic_data_types.md

@@ -4,15 +4,15 @@
 
 **基本数据类型是 CPU 可以直接进行运算的类型，在算法中直接被使用**。它包括：
 
-- 整数类型 `byte` , `short` , `int` , `long` ；
-- 浮点数类型 `float` , `double` ，用于表示小数；
-- 字符类型 `char` ，用于表示各种语言的字母、标点符号、甚至表情符号等；
-- 布尔类型 `bool` ，用于表示“是”与“否”判断；
+- 整数类型 `byte` , `short` , `int` , `long` 。
+- 浮点数类型 `float` , `double` ，用于表示小数。
+- 字符类型 `char` ，用于表示各种语言的字母、标点符号、甚至表情符号等。
+- 布尔类型 `bool` ，用于表示“是”与“否”判断。
 
 **所有基本数据类型都以二进制的形式存储在计算机中**。在计算机中，我们将 $1$ 个二进制位称为 $1$ 比特，并规定 $1$ 字节（byte）由 $8$ 比特（bits）组成。基本数据类型的取值范围取决于其占用的空间大小，例如：
 
-- 整数类型 `byte` 占用 $1$ byte = $8$ bits ，可以表示 $2^{8}$ 个不同的数字；
-- 整数类型 `int` 占用 $4$ bytes = $32$ bits ，可以表示 $2^{32}$ 个数字；
+- 整数类型 `byte` 占用 $1$ byte = $8$ bits ，可以表示 $2^{8}$ 个不同的数字。
+- 整数类型 `int` 占用 $4$ bytes = $32$ bits ，可以表示 $2^{32}$ 个数字。
 
 下表列举了各种基本数据类型的占用空间、取值范围和默认值。此表格无需硬背，大致理解即可，需要时可以通过查表来回忆。
 

docs/chapter_data_structure/classification_of_data_structure.md

@@ -8,16 +8,16 @@
 
 逻辑结构通常分为“线性”和“非线性”两类。线性结构比较直观，指数据在逻辑关系上呈线性排列；非线性结构则相反，呈非线性排列。
 
-- **线性数据结构**：数组、链表、栈、队列、哈希表；
-- **非线性数据结构**：树、堆、图、哈希表；
+- **线性数据结构**：数组、链表、栈、队列、哈希表。
+- **非线性数据结构**：树、堆、图、哈希表。
 
 ![线性与非线性数据结构](classification_of_data_structure.assets/classification_logic_structure.png)
 
 非线性数据结构可以进一步被划分为树形结构和网状结构。
 
-- **线性结构**：数组、链表、队列、栈、哈希表，元素存在一对一的顺序关系；
-- **树形结构**：树、堆、哈希表，元素存在一对多的关系；
-- **网状结构**：图，元素存在多对多的关系；
+- **线性结构**：数组、链表、队列、栈、哈希表，元素存在一对一的顺序关系。
+- **树形结构**：树、堆、哈希表，元素存在一对多的关系。
+- **网状结构**：图，元素存在多对多的关系。
 
 ## 物理结构：连续与离散
 
@@ -37,8 +37,8 @@
 
 **所有数据结构都是基于数组、链表或二者的组合实现的**。例如，栈和队列既可以使用数组实现，也可以使用链表实现；而哈希表的实现可能同时包含数组和链表。
 
-- **基于数组可实现**：栈、队列、哈希表、树、堆、图、矩阵、张量（维度 $\geq 3$ 的数组）等；
-- **基于链表可实现**：栈、队列、哈希表、树、堆、图等；
+- **基于数组可实现**：栈、队列、哈希表、树、堆、图、矩阵、张量（维度 $\geq 3$ 的数组）等。
+- **基于链表可实现**：栈、队列、哈希表、树、堆、图等。
 
 基于数组实现的数据结构也被称为“静态数据结构”，这意味着此类数据结构在初始化后长度不可变。相对应地，基于链表实现的数据结构被称为“动态数据结构”，这类数据结构在初始化后，仍可以在程序运行过程中对其长度进行调整。
 

docs/chapter_data_structure/number_encoding.md

@@ -90,9 +90,9 @@ $$
 
 实际上，这是因为浮点数 `float` 采用了不同的表示方式。根据 IEEE 754 标准，32-bit 长度的 `float` 由以下部分构成：
 
-- 符号位 $\mathrm{S}$ ：占 1 bit ；
-- 指数位 $\mathrm{E}$ ：占 8 bits ；
-- 分数位 $\mathrm{N}$ ：占 24 bits ，其中 23 位显式存储；
+- 符号位 $\mathrm{S}$ ：占 1 bit 。
+- 指数位 $\mathrm{E}$ ：占 8 bits 。
+- 分数位 $\mathrm{N}$ ：占 24 bits ，其中 23 位显式存储。
 
 设 32-bit 二进制数的第 $i$ 位为 $b_i$ ，则 `float` 值的计算方法定义为：
 
@@ -141,7 +141,7 @@ $$
 
 特别地，次正规数显著提升了浮点数的精度，这是因为：
 
-- 最小正正规数为 $2^{-126} \approx 1.18 \times 10^{-38}$ ；
-- 最小正次正规数为 $2^{-126} \times 2^{-23} \approx 1.4 \times 10^{-45}$ ；
+- 最小正正规数为 $2^{-126} \approx 1.18 \times 10^{-38}$ 。
+- 最小正次正规数为 $2^{-126} \times 2^{-23} \approx 1.4 \times 10^{-45}$ 。
 
 双精度 `double` 也采用类似 `float` 的表示方法，此处不再详述。