[数据结构]什么是好的代码?时间复杂度和空间复杂度告诉你

算法效率

我们现在先不急着讲算法效率，我们先试想一个场景：有一个很菜的大学生，打开了一个叫力扣的刷题网站，随便炫了一道题，花了几十分钟拼死拼活写出了一段代码，点击运行，运行时间1001ms，直接超时，当场去世。然后缝缝补补，改改bug，一天就这么过去了。

还是这个很菜的大学生，大学生觉得自己刷题的策略很有问题，于是在做每一道题目前都会先花几分钟思考一下：这个题型是不是见过？有没有比较好的解法？要不要去考虑一些复杂的情况？虽然这个大学生还是很菜，但是他做题的体验感上去了很多：省去了一些微调代码的时间，代码变得更加容易阅读，正确率也上升了不少，也有了出去闲逛的时间。简单来说，就是他刷题的效率上升了。

既然标题叫算法效率，接下来我们肯定要讲到算法。以一个简洁漂亮的斐波那契数列为例。

long long Fib(int N)  
{
     
  if(N < 3)  
    return 1;  
  return Fib(N-1) + Fib(N-2);  
}

短短几行代码就能实现复杂的功能，但是我们都知道，这个函数在求40左右的斐波那契数就有些力不从心，更不用去谈什么100，200。
40左右，我都能算的出来，要你何用？
为什么会出现这种状况？这个就和算法的复杂度有关了。

算法的复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。
在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

时间复杂度

时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。
举个例子：

// 请计算一下Func1中++count语句总共执行了多少次？  
void Func1(int N)  
{
     
  int count = 0;  
  for (int i = 0; i < N ; ++ i)  
  {
     
    for (int j = 0; j < N ; ++ j)  
    {
     
      ++count;  
    }  
  }  
  for (int k = 0; k < 2 * N ; ++ k)  
  {
     
    ++count;  
  }  
  int M = 10;  
  while (M--)  
  {
     
  ++count;  
  }
  printf("%d\n", count