算法与数据结构（一）时间复杂度和timeit模块

算法的时间复杂度（大O表示法）

一、定义

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称时间复杂度。其中f(n)是问题规模n的某个函数。

二、时间复杂度的计算规则

1、基本操作，即只有常数项，认为其时间复杂度为O(1)
2、顺序结构，时间复杂度按加法进行计算
3、循环结构，时间复杂度按乘法进行计算
4、分支结构，时间复杂度取最大值
5、判断一个算法的效率时，往往只需要关注操作数量的最高次项，其它次要项和常数项可以忽略
6、在没有特殊说明时，我们所分析的算法的时间复杂度都是指最坏时间复杂度

三、分析一个算法的时间复杂度

1、常数阶，记作O(1)

sum = 0
n = 100
sum = (1+n)*n/2

2、线性阶，记作O(n)

n = 100
for i in range(n):
	print(i**2) 

3、平方阶，记作O($n^2$)

for i in range(n):
	for j in range(n):
		...

4、对数阶·，记作O($logn$)

count = 1
n = 100
while(count < n):
	count = count * 2
	...

由于每次count*2，也就是说，$2^{c}ount=n$就会退出循环，所以时间复杂度为O($logn$)

四、常见的时间复杂度

执行次数举例	阶	非正式用语
5	O(1)	常数阶
2n+5	O(n)	线性阶
$3n^2+2n+1$	O($n^2$)	平方阶
$5lo{g}_{2}n+20$	O($lo{g}_{2}n$)	对数阶
$2n+5nlo{g}_{2}n+20$	O($nlo{g}_{2}n$)	nlogn阶
$3n^3+2n^2+5n+5$	O($n^3$)	立方阶
$2^n$	O($2^n$)	指数阶

他们之间的大小关系是：
O(1) < O($logn$) < O(n) < O(nlogn) < O($n^2$) < O($n^3$) < O($2^n$) < O(n!) O($n^n$)

python内置类型性能分析模块–timeit

from timeit import Timer

def t1():
    ls = []
    for i in range(10000):
        ls.append(i)

def t2():
    ls = []
    for i in range(10000):
        ls +=[i]

def t3():
    ls = [i for i in range(10000)]

def t4():
    ls = list(range(10000))

def t5():
    ls = []
    for i in range(10000):
        ls.extend([i])

def t6():
    ls = []
    for i in range(10000):
        ls.insert(0, i)

timer1 = Timer("t1()", "from __main__ import t1")
print("append:", timer1.timeit(1000), "s")

timer2 = Timer("t2()", "from __main__ import t2")
print("+:", timer2.timeit(1000), "s")

timer3 = Timer("t3()", "from __main__ import t3")
print("[]:", timer3.timeit(1000), "s")

timer4 = Timer("t4()", "from __main__ import t4")
print("list():", timer4.timeit(1000), "s")

timer5 = Timer("t5()", "from __main__ import t5")
print("extend:", timer5.timeit(1000), "s")

timer6 = Timer("t6()", "from __main__ import t6")
print("insert:", timer6.timeit(1000), "s")

append: 1.2842495657666193 s
+: 1.248549265750829 s
[]: 0.6303584399178903 s
list(): 0.46978604137059854 s
extend: 1.615960445286594 s
insert: 27.646960761092693 s