一. Python数据结构与算法(1概念引入_2)

提示：1-03 最坏时间复杂度与计算规则_哔哩哔哩_bilibili

文章目录

目录

前言

1. 引入_2

1.5 算法效率的分析

1.6 常见复杂度

1.7 Python内置类型性能分析

总结

---

前言

本文主要讲解了算法的效率分析、常见的复杂度，并通过timeit模块来初步确定Pyhon的运行性能分析。

1. 引入_2

1.5 算法效率的分析

分析算法时，存在几种可能的考虑：
算法完成工作最少需要多少基本操作，即最优时间复杂度
算法完成工作最多需要多少基本操作，即最坏时间复杂度。

算法完成工作平均需要多少基本操作，即平均时间复杂度
对于最优时间复杂度，其价值不大，因为它没有提供什么有用信息，其反映的只是最乐观最理想的情况，没有参考价值。
对于最坏时间复杂度，提供了一种保证，表明算法在此种程度的基本操作中一定能完成工作。
对于平均时间复杂度，是对算法的一个全面评价，因此它完整全面的反映了这个算法的性质。但另一方面这种衡量并没有保证，不是每个计算都能在这个基本操作内完成。而且，对于平均情况的计算，也会因为应用算法的实例分布可能并不均匀而难以计算。因此，我们主要关注算法的最坏情况，亦即最坏时间复杂度。

时间复杂度的几条基本计算规则

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; 哪个分支步数最多，就是多少

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

举个例子就是上一节所提到的优化过后的代码的时间复杂度计算：

1.6 常见复杂度

如上表所示，这个是常见的复杂度计算方式。

1.7 Python内置类型性能分析

我们可以通过Python里内置的timeit来去

列表知识点1：列表可以相加得到一个新列表；

列表知识点2：列表也可以通过for循环得到；

列表知识点3：Python2通过range操作可以直接返回列表；但是Python3需要配合list()生成。

列表知识点4：可以直接往列表里加

然后我们分别定义刚才不同方法的列表，并比较时间。

知识点5：timer参数是一个定时器函数，与平台有关。

知识点6：timer.timeit(number)是Timer类中测试语句执行速度的对象方法。number默认为1000000次，输出执行代码的平均耗时。

知识点7：timeit.Timer.timeit(1000) 真实的函数调用

最后我们可以通过timeit中的Timer来

下面开始一个从尾部追加，一个从列表头部追加，看下这两种到底有无区别。

可以看出insert运行要比append慢，至于为什么慢，等讲到1.8节的时候，我们就会明白。

另外，list()类型和dict()类型实际上是不能算作基本数据类型的，只是Pyhton给我们封装好的。那么基本数据类型就是字符、整型和浮点型。而list和dict只是Python给我们封装好的一个容器，而非基本类型。