空间复杂度和空间复杂度

一、什么是时间复杂度

算法的执行效率
算法的执行时间与算法的输入值之间的关系
例：

def test(num):
	total = 0
	for i in range(num):
		total += i
	return total

假设该示例中“total = 0”的执行时间为a，“total += i”的执行时间为b，“return total”执行时间为c，num=N，故总执行时间为a+Nb+c。
其中对总执行时间影响最大的是Nb。
（时间复杂度不关心系数和小的执行时间。）
** 时间复杂度的大o表示法：o(N)。**
常量：o（1）
一般算时间复杂度要看代码中是否有for/while循环。

二、常见的时间复杂度案例分析：

o（1） o（log n） o（n） o（nlogn） o（n²）

1. o（1）：表示算法执行时间与num无关。

def O1(num):
	i = num
	j = num*2
	return i+j

2. o（log n）:

def OlogN(num):
	i = 1
	while(i<num):
		i = i*2
	return i

num = 2ⁿ
3. o（n）:

def test(num):
	total = 0
	for i in range(num):
		total += i
	return total

4. o（nlogn）:

def ONLogN(num1,num2):
	total = 0
	j = 0
	for i in range(num1):
		while(j<num2):
			total += i+ j
			j = j*2
	return total

a+b+N(logN+c)+d

5. o（n²）:

def ON2(num):
	total = 0
	for i in range(num):
		for j in range(num):
			total += i+j
	return total

o(1)<o(logN)<o(N)<o(NlogN)<o(n²)<o(2ⁿ)<o(n!)
二分查找法 排序
做算法题时尽量减少空间复杂度

三、什么是空间复杂度

算法的存储空间与输入值之间的关系

def test(num):
	total = 0
	for i in range(num):
		total += i
	return total

变量是常量时是o(1)
所占用的空间大小是一定值，不随输入值改变而改变。

def test(num):
	array = []
	for num in nums:
		array.append(num)
	return array

o(N)

四、常用空间复杂度：

o（1） o（n） o（n²） o（log n） o（nlogn）
变量是数组或多个数集合在一起的情况可能为o（n）或 o（n²）
是否递归：是递归则为 o(N)
o（1）< o（n）< o（n²）

很多情况下，时间和空间只能二选一