数组时间复杂度

数组(Array)是一种线性表数据结构。它用一组连续的内存空间,来存储一组具有相同类型的数据。

一、线性表和非线性表

     线性表(Linear List)。顾名思义,线性表就是数据排成像一条线一样的结构。每个线性表上的数据最多只有前和后两个方向。其实除了数组,链表、队列、栈等也是线性表结构。

    非线性表,比如二叉树、堆、图等。之所以叫非线性,是因为,在非线性表中,数据之间并不是简单的前后关系。

二、连续的内存空间和相同类型的数据

     第二个是连续的内存空间和相同类型的数据。正是因为这两个限制,它才有了一个堪称“杀手锏”的特性:“随机访问”。但有利就有弊,这两个限制也让数组的很多操作变得非常低效,比如要想在数组中删除、插入一个数据,为了保证连续性,就需要做大量的数据搬移工作。

    特别纠正一个“错误”。面试的时候,常常会问数组和链表的区别,很多人都回答说,“链表适合插入、删除,时间复杂度 O(1);数组适合查找,查找时间复杂度为O(1)”。
实际上,这种表述是不准确的。数组是适合查找操作,但是查找的时间复杂度并不为O(1)。即便是排好序的数组,你用二分查找,时间复杂度也是 O(logn)。

    所以,正确的表述应该是,数组支持随机访问,根据下标随机访问的时间复杂度为 O(1)。
 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
树状数组(Fenwick Tree)是一种高效的数据结构,用于支持单点修改和区间查询的操作。它的时间复杂度为 $O(\log n)$。 下面给出树状数组时间复杂度的证明: 首先,我们需要知道树状数组的实现过程。树状数组是通过对原数组进行预处理,构造出一棵二叉树来实现的。树状数组中,每个节点维护的是原数组中一定范围内元素的和。具体实现过程如下: 1. 初始化:将原数组每个元素复制到树状数组对应的位置上。 2. 单点修改:若原数组中第 i 个元素的值增加了 x,那么需要对树状数组中所有包含第 i 个位置的节点的值都加上 x。 3. 区间查询:对于原数组的区间 [l, r],需要求出其和。可以通过查询树状数组中编号为 r 和编号为 l-1 的节点的值的差来得到。 接下来,我们来证明树状数组时间复杂度是 $O(\log n)$。 对于单点修改操作,我们需要对包含该节点的所有节点进行修改,节点的数量最多是 $\log n$,因为树状数组的深度最多为 $\log n$。每次修改的时间复杂度是 $O(1)$,所以单点修改操作的总时间复杂度是 $O(\log n)$。 对于区间查询操作,我们需要查询两个节点的值的差,节点的数量最多也是 $\log n$。每次查询的时间复杂度是 $O(1)$,所以区间查询操作的总时间复杂度也是 $O(\log n)$。 因此,树状数组时间复杂度是 $O(\log n)$。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值