fromrandom import randrange
L = [randrange(10000) for i in range(1000)]
S = set(L)
42in L # 线性级时间复杂度42in S # 常数级时间复杂度
str或list的 + 操作
字符串相加:
s = ""for i in string_producer():
s += i
python对字符串相加做了优化,以上这段代码在扩展到一定规模之前是没有问题的,但当规模变大之后,运行时间会出现平方级的增长。
建议修改为
s_list = []
for i in string_producer():
s_list.append(i)
s = ''.join(s_list)
或
s = ''.join(string_producer()) # 应该是string_producer是生成器表达式的时候可以这么写
列表相加:
lists = [[1, 2], [3, 4], [5, 6]]
desc_list = []
for i in lists:
desc_list += i
以上代码的运行时间是平方级,建议修改为
desc)list = []
for i in lists:
desc_list.extend(i)
浮点数(float)精度问题
通过有限的长度,无法完全精确的表达绝大多数实数的值。浮点运算天然就是不精确的。
sum(0.1for i in range(10)) == 0.1>>> False
近似比较的话可以采用unittest中的assertAlmostEqual,其实现类似如下:
In [12]: defalmost_quual(x, y, places=7):
...: return round(abs(x - y), places) == 0
...:
In [13]: almost_quual(sum(0.1for i in range(10)), 1)
Out[13]: True
decimal模块提供了一定数位范围内的浮点数精确计算
In [1]: from decimal import Decimal
In [2]: sum(Decimal("0.1") for i in range(10)) == Decimal("1.0") # 注意浮点数要写成字符串传入
Out[2]: True
通常来说,减法运算会损失大量精度
In [3]: from math import sqrt
In [4]: x = 987654321.1234
In [5]: sqrt(x + 1) - sqrt(x) # 损失比较多精度
Out[5]: 1.5909899957478046e-05
In [6]: 1.0 / (sqrt(x + 1) + sqrt(x)) # 较精确
Out[6]: 1.5909902571576776e-05
list与set的in操作from random import randrangeL = [randrange(10000) for i in range(1000)]S = set(L)42 in L # 线性级时间复杂度42 in S # 常数级时间复杂度str或list的 + 操作字符串相加:s = ""for i in string_produce