python版数据结构与算法 -概念入门(一)-CSDN博客

本文链接：https://blog.csdn.net/lemeifei/article/details/131846539

数据结构和算法是计算机科学中非常重要的概念,它们是编写高效、优化代码的核心

什么是数据结构

数据结构是由数据+结构组成的
其中数据是描述客观事物的符号,存储在计算机上,是指能被输出到计算机中能被计算机处理的符号总称
结构是指多个元素之间的关系

常见的数据结构包括数组、链表、栈、队列、树和图等

什么是算法

很多人初学编程,都会产生一个疑问,算法是什么,为什么要学算法,我学了有什么用,只能应付面试吗?
其实不然,算法是一种清晰、精确、有效的解决问题的方式,它的作用就是指导计算机如何正确高效的解决问题.
在这里插入图片描述
比如你从A点到B点,直接走直线是最快的,但是A和B之间并不能直连, 你得走A-C-D-E-B,或者A-H-G-F
但是有一天,C-D这一段堵车了,你可能就得选择C-G-F-B,那么如果G-F也堵车了.
这时候你就需要算法帮你找出最佳的行车路线

常见的数据算法有下面这些.

排序算法：冒泡排序、选择排序、插入排序、快速排序、归并排序等。
查找算法：线性查找、二分查找等
字符串匹配算法：暴力匹配、KMP算法、BM算法等。
动态规划算法：最短路径、最长上升子序列、编辑距离等。
贪心算法：背包问题、活动选择问题、区间覆盖问题等。
图论算法：最短路径、最小生成树、拓扑排序等。

这些算法是程序员必须要熟练掌握的基础

数据结构与算法中还有一个很重要的概念,复杂度

什么是复杂度

复杂度是用来评估算法效率的一个指标,复杂度通常用两个指标 -时间复杂度和空间复杂度来衡量,时间复杂度一般用O来表示,常见的复杂度有下面几种

O(1) 表示运行时间与输入规模n无关,是常量时间
比如:

a = 1
b =2 
c = a+b
print(c)

只要你的代码和数据规模没有关系,那么就算有10万行代码,他的复杂度就是O(1)

O(log n): 表示随着n的增加,运行时间与logn成正比
O(n log n): 表示运行时间与nlogn成正比
对数级复杂度很好理解

a = 1
for i in range(1,n):
  a += a 
  if i <=n: break  
  print(a)

当你打印a的时候,a的值会从1,2,4,8,16,32以指数级的方式增长
那么第x次的时候,a =2^(x-1),因为i<=n.所以2 ^(x-1)<=n
取对数得到x = 1+log2n

O(n^2): 表示时间与n的平方成正比
这个案例我在下面介绍了

时间复杂度

时间复杂度本质就是评估这个算法执行用了多长时间

def bubble_sort(nums):
    if not nums or len(nums) == 1:
        return nums[:]
    for i in range(len(nums)-1):
        flag = True
        for j in range(len(nums)-1-i):
            if nums[j] > nums[j+1]:
                nums[j], nums[j+1] = nums[j+1], nums[j]
                flag = False
        if flag:
            break
    return nums[:]

nums = [8,9,22,44,66,77,88,55,66]
res2 = time.time()
print(bubble_sort(nums))

假定每个语句执行的时候,需要一个单位时间,我用t来表示
上面代码是一个简单的冒泡排序
在这里插入图片描述

循环中,外循环执行一次,内循环需要执行n-1次,那么我们将所有的t加起来,那就是1t+1t+nt+(n-1)t+1t+1t+1t+1t+1t
总和就是8t+(nn)t-1t = 7t+(nn)t
因为7t为常数,对代码的执行影响微乎其微,所以我们忽略不计,那么这段代码的时间复杂度为O(n^2)
时间复杂度的分析主要是两点: