Day1_Python数据结构与算法：时间复杂度

LeetCode_C++

已于 2022-05-22 21:36:40 修改

阅读量625

点赞数 3

分类专栏： Python学习笔记文章标签： python 算法排序算法

于 2022-05-12 21:36:07 首次发布

本文链接：https://blog.csdn.net/ANDROID6666666/article/details/124706870

版权

Python学习笔记专栏收录该内容

29 篇文章 0 订阅

订阅专栏

1、算法

算法是独立存在的一种解决问题的方法和思想。

算法的五大特性：
输入: 算法具有0个或多个输入
输出: 算法至少有1个或多个输出
有穷性: 算法在有限的步骤之后会自动结束而不会无限循环，并且每一个步骤可以在可接受的时间内完成
确定性：算法中的每一步都有确定的含义，不会出现二义性
可行性：算法的每一步都是可行的，也就是说每一步都能够执行有限的次数完成

2、时间复杂度与“大O记法”

**“大O记法”：**对于单调的整数函数f，如果存在一个整数函数g和实常数c>0，使得对于充分大的n总有f(n)<=c*g(n)，就说函数g是f的一个渐近函数（忽略常数），记为f(n)=O(g(n))。也就是说，在趋向无穷的极限意义下，函数f的增长速度受到函数g的约束，亦即函数f与函数g的特征相似。

**时间复杂度：**假设存在函数g，使得算法A处理规模为n的问题示例所用时间为T(n)=O(g(n))，则称O(g(n))为算法A的渐近时间复杂度，简称时间复杂度，记为T(n)。

3、最坏时间复杂度

算法完成工作最少需要多少基本操作，即最优时间复杂度
算法完成工作最多需要多少基本操作，即最坏时间复杂度
算法完成工作平均需要多少基本操作，即平均时间复杂度

**对于最坏时间复杂度，提供了一种保证，表明算法在此种程度的基本操作中一定能完成工作。**其他两种意义不大。

4、时间复杂度的几条基本计算规则

（1）基本操作，即只有常数项，认为其时间复杂度为O(1)
（2）顺序结构，时间复杂度按加法进行计算
（3）循环结构，时间复杂度按乘法进行计算
（4）分支结构，时间复杂度取最大值
（5）判断一个算法的效率时，往往只需要关注操作数量的最高次项，其它次要项和常数项可以忽略
（6）在没有特殊说明时，我们所分析的算法的时间复杂度都是指最坏时间复杂度

5、常见时间复杂度

在这里插入图片描述

6、常见时间复杂度之间的关系

在这里插入图片描述

7、Python内置类型性能分析

在这里插入图片描述
举例：list的操作测试

from timeit import Timer


def test1():
    l = []
    for i in range(1000):
        l = l + [i]


def test2():
    l = []
    for i in range(1000):
        l.append(i)


def test3():
    l = [i for i in range(1000)]


def test4():
    l = list(range(1000))


t1 = Timer("test1()", "from __main__ import test1")
print("concat ", t1.timeit(number=1000), "seconds")
t2 = Timer("test2()", "from __main__ import test2")
print("append ", t2.timeit(number=1000), "seconds")
t3 = Timer("test3()", "from __main__ import test3")
print("comprehension ", t3.timeit(number=1000), "seconds")
t4 = Timer("test4()", "from __main__ import test4")
print("list range ", t4.timeit(number=1000), "seconds")

测试结果：
在这里插入图片描述
举例：pop操作测试

from timeit import Timer


x = list(range(2000000))
pop_zero = Timer("x.pop(0)", "from __main__ import x")
print("pop_zero ", pop_zero.timeit(number=1000), "seconds")
x = list(range(2000000))
pop_end = Timer("x.pop()", "from __main__ import x")
print("pop_end ", pop_end.timeit(number=1000), "seconds")

测试结果：
在这里插入图片描述

8、list内置操作的时间复杂度

在这里插入图片描述

9、dict内置操作的时间复杂度

在这里插入图片描述

10、数据结构与算法

举例：我们如何用Python中的类型来保存一个班的学生信息？如果想要快速的通过学生姓名获取其信息呢？

实际上当我们在思考这个问题的时候，我们已经用到了数据结构。列表和字典都可以存储一个班的学生信息，但是想要在列表中获取一名同学的信息时，就要遍历这个列表，其时间复杂度为O(n)，而使用字典存储时，可将学生姓名作为字典的键，学生信息作为值，进而查询时不需要遍历便可快速获取到学生信息，其时间复杂度为O(1)。

我们为了解决问题，需要将数据保存下来，然后根据数据的存储方式来设计算法实现进行处理，那么数据的存储方式不同就会导致需要不同的算法进行处理。我们希望算法解决问题的效率越快越好，于是我们就需要考虑数据究竟如何保存的问题，这就是数据结构。

在上面的问题中我们可以选择Python中的列表或字典来存储学生信息。列表和字典就是Python内建帮我们封装好的两种数据结构。

Python给我们提供了很多现成的数据结构类型，这些系统自己定义好的，不需要我们自己去定义的数据结构叫做Python的内置数据结构，比如列表、元组、字典。而有些数据组织方式，Python系统里面没有直接定义，需要我们自己去定义实现这些数据的组织方式，这些数据组织方式称之为Python的扩展数据结构，比如栈，队列等。