数据结构——复杂度分析

最近开始学习王争老师的《数据结构与算法之美》，通过总结再加上自己的思考的形式记录这门课程，文章主要作为学习历程的记录。
广义来说，数据结构是指一组数据的存储结构，算法则是操作数据的一组方法。算法复杂度分为时间复杂度和空间复杂度，在计算算法复杂度时一般用到大O符号。

一、时间复杂度

​ 所有代码执行时间T(n)=O(f(n))，其中f(n)表示每行代码执行的次数总和，O表示T(n)与f(n)表达式成正比，n通常表示数据的规模。

① def cal(n):
②    sum = 0
③    i =1
④    for j in range(n):
⑤        sum += 1
⑥    return sum

以上面的程序为例，②，③都执行了一次，④，⑤都执行了n次，故T(n)=O(2n+2)=O(n)

接下来说一下时间复杂度分析的三种方法：

1.在分析算法和代码时间复杂度时，只需要关注循环执行次数最多的一段代码以上面的程序为例，当 n 很大时，你可以把它想象成 10000、100000，而公式中的低阶，常数和系数都不左右增长趋势，都可以忽略，因此上题的时间复杂度为O(n)。又比如$5n^4+3n^3+2n^2$