基本是看到哪里写到哪里。不会修饰,不会啰嗦。看完之后会跟着刷题,尽量保证每周更3次。后续全部更新在本专栏里。
参考:Python数据结构与算法分析_大白菜博客(www.cmsblogs.cn),pdf版
**有些代码我会改!因为觉得不对!!!**例子属于想到哪里写到哪里!!!
大O记法
算法的性能不仅依赖于问题的规模,也依赖于数据值。比如一个数据集可能会让算法的性能变得很差,另一个数据集可能让性能变得好。因此这种时候需要用最坏情况、最好情况和普通情况来描述性能。
举例
a = 5
b = 6
c = 10
for i in range(n):
for j in range(n):
x = i * i
y = j * j
z = i * j
for k in range(n):
w = a * k + 45
v = b * b
d = 33
那么T(n) = 3 + 3 * n^2 + 2 *n + 1,时间复杂度为O(n ^ 2);随着n变大,其他项及n ^ 2前的系数也可以忽略。不过n小的时候这些不能忽略。
python数据结构的性能
列表
- 索引、给某位置赋值、追加、pop()(与列表长度无关的操作),都是O(1)
- pop(i)、insert(i, item)、del、遍历、包含、删除切片、反转,都是O(n)
- 切片,连接是O(k)
- 设置切片,是O(n+k)
- 排序,O(nlogn)
- 乘法,O(nk)
生成列表的方式比较:timeit用于测算短代码的执行时间,参考:https://docs.python.org/zh-cn/3/library/timeit.html
其中,from__main__ import test_concat将test_concat函数从__main__命名空间导入到timeit设置计时的命名空间。timeit模块这么做,是为了在一个干净的环境中运行计时测试,以免某些变量以某种意外的方式干扰函数的性能
from timeit import timeit
def test_concat():
li = []
for i in range(1000):
li = li + [i]
def test_append():
li = []
for i in range(1000):
li.append(i)
def test_comp():
li = [i for i in range(1000)]
def test_list_range():
li = list(range(1000))
if __name__ == "__main__":
t1 = timeit("test_concat()", setup="from __main__ import test_concat", number=10000)
print("concat: " + str(t1))
t2 = timeit("test_append()", setup="from __main__ import test_append", number=10000)
print("append: " + str(t2))
t3 = timeit("test_comp()", setup="from __main__ import test_comp", number=10000)
print("comp: " + str(t3))
t4 = timeit("test_list_range()", setup="from __main__ import test_list_range", number=10000)
print("list_range: " + str(t4))
输出结果是:
concat: 12.2273505
append: 0.5712457000000004
comp: 0.3214603999999994
list_range: 0.08200550000000106
pop的比较:指定位置的pop涉及元素的移动,所以肯定要慢的
这里不用函数,短语句直接写在stmt里即可。
from timeit import timeit
x = list(range(2000000))
if __name__ == "__main__":
t1 = timeit(stmt="x.pop(0)", setup="from __main__ import x", number=10000)
print("pop(0): " + str(t1))
t2 = timeit(stmt="x.pop()", setup="from __main__ import x", number=10000)
print("pop(): " + str(t2))
输出:
pop(0): 9.3417159
pop(): 0.0014593999999998886
字典
以下仅讨论普通情况,在某些特殊情况下,包含、取值、赋值等操作的时间复杂度可能变成O(n)。
- 取值、赋值、删除、包含都是O(1)
- 复制、遍历是O(n)
对于in操作,字典比列表快得多。