Python-时间复杂度

本文记录了当前 CPython 中各种操作的时间复杂度（又名“Big O”或“大欧”）。其他Python实现（或CPython的旧版本或仍在开发版本）可能具有略微不同的性能特征。

列表(list)

以完全随机的列表考虑平均情况。

列表是以数组（Array）实现的; 最大的开销来自于超出当前分配大小（因为这种情况下, 所有元素都必须移动）, 或者在开头附近的某处插入或删除（因为之后的所有元素都必须移动）。如果需要在两端添加/删除, 请考虑使用collections.deque。

双端队列(collections.deque)

deque（双端队列）是以双向链表的形式实现的。（好吧, 一个数组列表而不是对象, 以提高效率）。双端队列的两端都是可达的, 但从查找队列中间的元素较为缓慢, 增删元素就更慢了。

集合(set)

和字典非常相似, 可参考dict。

由源码得知, 求差集（s-t, 或s.difference(t)）运算与更新为差集（s.difference_uptate(t)）运算的时间复杂度并不相同！第一个是O(len(s))（对于s中的每个元素, 如果不在t中, 将它添加到新集合中）。第二个是O(len(t))（对于t中的每个元素, 将其从s中删除）。因此, 必须注意哪个是首选, 取决于哪一个是最长的集合以及是否需要新的集合。

集合的s-t运算中, s和t都要是set类型。如果t不是set类型, 但是是可迭代的, 你可以使用等价的方法达到目的, 比如 s.difference(l), l是个list类型。

字典(dict)

下列字典的平均情况基于以下假设：
1. 对象的散列函数足够撸棒（robust）, 不会发生冲突。
2. 字典的键是从所有可能的键的集合中随机选择的。
小窍门：只使用字符串作为字典的键。这么做虽然不会影响算法的时间复杂度, 但会对常数项产生显著的影响, 这决定了你的一段程序能多快跑完。

Notes
这些操作依赖于“摊销最坏情况”的“摊销”部分。根据容器的历史, 个别动作可能需要很长时间。
对于这些操作, 最坏的情况n是容器达到的最大尺寸, 而不仅仅是当前的大小。例如, 如果一个N个元素的字典, 然后删除N-1个元素, 这个字典会重新为N个元素调整大小, 而不是当前的一个元素, 所以时间复杂度是O(n)。

转载自

https://zhuanlan.zhihu.com/p/64841133