【数据结构】彻底掌握时间复杂度和空间复杂度_数据转换时间复杂度

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

数据结构：数据结构是计算机存储、组织数据的方式，指相互之间存在一种或多种特定关系的数据元素的集合。
算法：算法就是定义良好的计算过程，他取一个或一组的值为输入，并产生出一个或一组值作为输出。简单来说，算法就是一系列的计算步骤，用来将输入数据转换成输出结果。

二、算法的复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间（内存）资源。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。归结为可以利用时间复杂度和空间复杂度来衡量算法的好坏。
时间复杂度（时间效率）主要衡量一个算法的运行快慢，而空间复杂度（空间效率）主要衡量一个算法运行所需要的额外空间。在计算机发展早期，计算机存储空间小，所以对空间复杂度在乎，现在，计算机的存储容量已经达到很高的程度，所以现在不需要对空间复杂度特别关注。

1.大O的渐进表示法

大O符号：是用于描述函数渐进行为的数学符号。

实际中，我们计算时间复杂度时 并不一定要计算准确的执行次数，而只需要大概执行次数，那么我们可以用大O的渐进表示法来表示时间复杂度。同样的，我们也用大O的渐进表示法来表示空间复杂度。
大O的渐进表示法是一个估算，算出的是大概次数所属量级。

推导大O阶方法：
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶项。
3.如果最高阶项存在且不是1，则去除与这个项目相乘的常数。
根据以上三点推导得到的结果就是大O阶。

2.时间复杂度

时间复杂度算的并不是时间，因为算法运行的时间和环境（电脑硬件和系统好坏）有直接关系。
时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数（函数是指数学中带未知数的函数），它定量描述了该算法的运行时间。
一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。即找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。

// 请计算一下Func1中++count语句总共执行了多少次？
void Func1(int N)
{
	int count = 0;
	for (int i = 0; i < N ; ++ i)
	{
		for (int j = 0; j < N ; ++ j)
		{
			++count;
		}
	}
	for (int k = 0; k < 2 \* N ; ++ k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

用一个函数表达式来表示（N表示执行次数）：F(N)=N* N+2*N+10。使用大O的渐进表示法表示为O(N2)。

通过上面这张图对比我们可以发现大O的渐进表示法去掉了那些对结果影响不大的项，简洁明了的表示出了执行次数。

3.时间复杂度练习

练习1：

// 计算Func2的时间复杂度？
void Func2(int N)
{
	int count = 0;
	for (int k = 0; k < 2 \* N ; ++ k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

解析：时间复杂度为O(N)。用函数表达式来表示（N表示执行次数）：F(N)=2* N+10。用大O的渐进表示法需要去掉加法常数，2*N+10是属于N这个量级的，N的系数无论多大都要改为1，因为当N无限大时，系数对结果影响不大，所以时间复杂度为O(N)。

练习2：

// 计算Func3的时间复杂度？
void Func3(int N, int M)
{
	int count = 0;
	for (int k = 0; k < M; ++ k)
	{
		++count;
	}
	for (int k = 0; k < N ; ++ k)
	{
		++count;
	}
	printf("%d\n", count);
}

解析：时间复杂度为O(N+M)。具体运行次数为F(N)=N+M；用大O的渐进表示法估算之后时间复杂度为O(N+M)，因为N和M都是属于同一个量级的，所以M不能省略。

练习3：

// 计算Func4的时间复杂度？
void Func4(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++ k)
	{
		++count;
	}
	printf("%d\n", count);
}

解析：时间复杂度为O(1)。具体运行次数为100次，是常数级，根据大O的渐进表示法时间复杂度为O(1)。

练习4：

// 计算strchr的时间复杂度？
const char \* strchr ( const char \* str, int character );

解析：时间复杂度为O(N)。strchr函数作用为在一个串中查找给定字符的第一个匹配之处，并且返回一个指向该字符串中第一次出现的字符的指针，如果字符串中不包含该字符就返回NULL指针。
主要实现过程为：

while(\*str++)
{
	if(\*str==character)
		return str;
	}
return NULL;

在这种情况下时间复杂度就要区分为最好情况和最坏情况以及平均情况。假设字符串中共有n个字符，最好情况是第一次就找到，时间复杂度为O(1)；最坏情况是在最后一次才找到或者没有找到，时间复杂度是O(N)；平均情况下整体来看时间复杂度为O(N/2)。但是在实际中，一般情况下关注的是最坏运行情况。所以数组中搜索数据时间复杂度为O(N)。

练习5：

// 计算BubbleSort的时间复杂度？
void BubbleSort(int\* a, int n)
{
	assert(a);
	for (size\_t end = n; end > 0; --end)
	{
		int exchange = 0;
		for (size\_t i = 1; i < end; ++i)
		{
			if (a[i-1] > a[i])
			{
				Swap(&a[i-1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

解析：时间复杂度为O(N2)。本题是冒泡排序，不能看到是两层循环时间复杂度就是O(N2)，我们要根据其算法的思想去思考时间复杂度，不能仅仅依靠代码。冒泡排序思想是，第一趟比较n-1次，第二趟比较n-2次，……最后一趟比较1次，比较次数构成等差数列，求和得到最后的执行次数是F(N)=(N-1)*N/2；用大O阶表示法时间复杂度就是O(N2)。

练习6：

// 计算BinarySearch的时间复杂度？
int BinarySearch(int\* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n-1;
	// [begin, end]：begin和end是左闭右闭区间，因此有=号
	while (begin <= end)
	{		
		int mid = begin + ((end-begin)>>1);
		if (a[mid] < x)
			begin = mid+1;
		else if (a[mid] > x)
			end = mid-1;
		else
			return mid;
	}
return -1;
}

时间复杂度是O(logN)。根据二分查找的思想去算时间复杂度；最好情况是第一次查找就找到了，时间复杂度是O(1)；最坏情况是查找到最后一个单独的数时才找到或者查找结束也没有找到要找的数，假设一共有N个数，每次查找，查找区间缩小一半，即查找多少次，除2多少次，查找到最后一个值时，查找结束。
下图中，绿色表示最后一个值，查找N次后，查找到最后一个值，N/2/2/2/……/2=1；假设查找x次，即2x=N;x等于以2为底N的对数，如下图：

因为以2为底的对数在计算机中不容易表示出来，所以我们允许将其写为logN，可以省略底数，有些地方还会写为lgN；但是不是以2为底的对数不能省略底数。

练习7：

long long Fac(size\_t N)
{
	if(0 == N)
		return 1;
	return Fac(N-1)\*N;
}

解析：时间复杂度是O(N)，每次递归里面有两个语句，一个if语句和一个return语句，递归一共调用N次，可以认为执行次数为2N，时间复杂度用大O的渐进表示法就是O(N)。

练习8：

long long Fac(size\_t N)
{
	if(0 == N)
		return 1;
	for(size\_t i=0;i<N;i++)
	{
		//……


**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
![img](https://img-blog.csdnimg.cn/img_convert/55033d0fe669b0b8ef5a5af6df0f54bd.png)

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**


> 
> 


练习8：

long long Fac(size_t N)
{
if(0 == N)
return 1;
for(size_t i=0;i<N;i++)
{
//……

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）
[外链图片转存中…(img-Vomps567-1713359850533)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！