python数据结构学习笔记-2016-10-22-01-评价python列表

       4.2 评价python列表

       

列表操作	最坏情况
v = list()	O(1)
v = [0] * n	O(n)
v[i] = x	O(1)
v.append(x)	O(n)
v.extend(w)	O(n)
v.insert(x)	O(n)
v.pop()	O(n)
遍历	O(n)

         列表遍历，遍历是对列表的每个元素进行一定的操作，很显然其步骤执行次数是O(n)。

         列表创建，有以下两种方式：

• temp = list()
• valueList = [0] * n

        第一种是创建空列表，时间复杂度是O(1)。第二种是创建一个包含n个元素的列表，然后把每个元素初始化为0，创建列表是O(1)，但是每个元素初始化，隐含了遍历的意思，即遍历每个元素，将每一个元素的值设为零，所以整体的时间复杂度是O(n)。

        向列表添加一个元素，这就要看此时底层数组的情况了。如果底层数组没满，则只需在数组的后一位设为相应值即可，但是如果底层数组已满，就必须先创建容量更大的底层数组，这需要O(1)，其次是将列表中每一个元素复制到新建的底层数组中，这也同样隐含了遍历的意思，其时间复杂度是O(n)。最后是消除旧数组，需要O(1)。

        扩展列表

        假设两列表长度都是n，如果底层数组有足够的空间，则直接将另一数组直接复制，注意这也隐含了遍历的意思。如果底层数组的空间不足，则象上述那样，先创建新的，再复制，也是一种遍历，销毁旧数组。总时间复杂度都是O(n)和O(n)(2n)。

       插入和删除

       也是O(n)

       4.3 平摊分析(Amortozed analysis)

       列表的append()执行时间依赖于底层数组。

       对于如下代码，n是2的指数次方，并且底层数组每次都是2倍的容量扩张，可以计算出以下代码的执行时间。这被称为统计分析(aggregate method)。

>>> L = list()
>>> for i in range(1, n+1) :
...     L.append(i)

 

        si表示列表储存第i个值所需时间(注意是包括了底层数组有容量时和底层数组扩容后)，而ei则表示底层数组扩容所需时间。

        所以在上述列表中添加入16个元素，则需16 + 15 = 31 <  2 * 16的时间，对于n个元素，可以肯定的是不会超过2 * n。由于底层数组扩容的次数比较少，大部分是直接添加，所以添加n个元素的平摊成本(Amortized cost)就不会超过2 * n / n = 2，也就是常数时间，即O(1)。

        平摊分析(Amortized analysis)是通过计算平均成本来衡量一系列操作的时间复杂度的过程。

        注意平摊成本并不等于平均情况时间，前者是计算一系列操作的平均成本，这一系列操作中，大部分所需时间较少，只有少数需要时间较长；而后者是对所有可能输入进行平均。（不大理解后者）