一、时间复杂度
规模:数据的大小对算法至关重要,绝对的影响运行时间
测试环境:环境的快慢对算法至关重要
1.1、大O表示法
def tmp(n):
add = 0 <== 1*unit
for i in range(n): <== n*unit
add += i <== n*unit
return add
假设运行一行代码的时间记为1unit
运行T(n)=(2n+1)*unit
T(n)=O(f(n)),O表示T(n)与f(n)成正比,即算法的运行时间与数据规模成正比
O表示渐近时间复杂度
表示代码执行时间随数据规模增长的变化趋势
当n很大时,低阶、常量、系数三部分并不左右增长趋势,所以都可以忽略,就可以记为:T(n)=O(n)、T(n)=O(n2)
只关注循环次数多的代码
def tmp(n):
add = 0
for i in range(n