数据结构python版（一）

1、算法的由来
(1)抽象的计算概念(能行可计算)
由有限数量的明确有限指令构成
指令执行在有限步后终止
指令每次执行都能获得唯一的结果
原则上可以由人单独采用纸笔完成，而不依靠其他辅助
每条指令可以机械性地被准确执行，不需要智慧和灵感
(2)图灵机计算模型
一条无限长的分格纸带，每格可以记录1个符号
一个读写头，可在纸带上左右移动，能读出和擦写格子的字符
一个状态寄存器，记录有限的状态中的1个状态
一系列有限的控 制规则：
读写头移动方法，是否改写，状态改变

2、算法和算法的复杂性
要考虑算法处理大数时的效率，所以需要考虑算法的复杂性
时间复杂度：用基本操作的重复次数作为计量单位
赋值语句是最合适的选择。
又是决定运行时间的不仅是问题规模，还有具体的数据也会影响运行时间
eg:排序时好的数据和坏的数据时间差距很大
常见O数量级 1 常数，log(n),n,n*log(n),n^2 , n3,2n

3、变位词的判断问题
变为词：两个单词的组成字母的是重新排序heart,earth
(1)解法一：逐一检查，存在就打个勾O(n**2)
(2)解法二：排序比较，先各自排序，再去逐个比较是否相同。排序步骤为主，O(nlog(n))
(3)解法三：暴力法，把f1的算有排列举出来，然后再看s2是否在其中 O(n!)
(4)计数比较
对比两个单词中26个字母的出现次数是否相同O(n)，代价是需要更多的存储空间

4、python数据类型的性能
估算list和dict各种操作的时间数量级，可以通过运行时间的变化来判断

让最常用的操作性能最好(20%)，牺牲不太常用的操作(80%)
v=a[i],a[i]=v O(1)
list.append(v) O(1)
lst=lst+ [v] O(n+k)，k是被加列表的长度
使用timeit模块对函数进行计时
创建一个Timer对象，指定需要反复运行的语句和只需要运行一次的安装语句。然后反复调用这个对象的timeit方法，其中可以指定反复运行多少次。
eg:验证四种生成前n个整数列表的方法


参数"test1()"要反复运行的语句的字符串形式，第二个参数是只执行一次的语句的字符串形式，number试运行次数
第一种1.88s,二0.09s，三0.03s,四0.0097s
list常用操作的大O数量级

特别注意pop()与pop(i)数量级的差异，这也是为了让按索引取值和赋值最快
(1)先测出两个操作在每个列表大小下的时间
(2)通过改变列表的大小来测试两个操作的增长趋势

import timeit
popzero=timeit.Timer("x.pop(0)","from __main__ import x")
popend=timeit.Timer("x.pop()","from __main__ import x")
print "pop(0)  pop()"
for i in range(1000000,100000001,1000000):
    x=list(range(i))
    pt=popend.timeit(number=1000)
    x=list(range(i))
    pz=popzero.timeit(number=1000)
    print "%15.5f,%15.5f"%(pz,pt)

最后画成图再看

字典

最常用操作get 和set是O(1)