Python基本数据类型的时间和空间复杂度

常见的时间复杂度高低排序：
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n²logn)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

列表（List）：
python的列表内部实现是数组（具体实现要看解析器），因此就有组数的特点。超过容量会增加更多的容量，set, get 是O(1)，但del, insert, in的性能是O(n)。具体的看下表，'n’是容器中当前的元素数， 'k’是需要操作的元素个数。

操作	平均情况	最坏情况
复制	O(n)	O(n)
append[注1]	O(1)	O(1)
插入	O(n)	O(n)
取元素	O(1)	O(1)
更改元素	O(1)	O(1)
删除元素	O(n)	O(n)
遍历	O(n)	O(n)
取切片	O(k)	O(k)
删除切片	O(n)	O(n)
更改切片	O(k+n)	O(k+n)
extend[注1]	O(k)	O(k)
排序	O(n log n)	O(n log n)
列表乘法	O(nk)	O(nk)
x in s	O(n)
min(s), max(s)	O(n)
计算长度	O(1)	O(1)

双向队列（collections.deque）：
deque （double-ended queue，双向队列）是以双向链表的形式实现的。双向队列的两端都是可达的，但查找队列中间的元素较为缓慢，增删元素就更慢了。

操作	平均情况	最坏情况
复制	O(n)	O(n)
append	O(1)	O(1)
appendleft	O(1)	O(1)
pop	O(1)	O(1)
popleft	O(1)	O(1)
extend	O(k)	O(k)
extendleft	O(k)	O(k)
rotate	O(k)	O(k)
remove	O(n)	O(n)

字典（Dict）：
关于字典需要了解的是hash函数和哈希桶。一个好的hash函数使用到的哈希桶中的值只有一个，若多个key hash到了同一个哈希桶中，称之为哈希冲突。查找值时，会先定位到哈希桶中，再遍历hash桶。在hash基本没有冲突的情况下get, set, delete, in方面都是O(1)。

操作	平均情况	最坏情况
复制[注2]	O(n)	O(n)
取元素	O(1)	O(n)
更改元素[注1]	O(1)	O(n)
删除元素	O(1)	O(n)
遍历[注2]	O(n)	O(n)

集合（Set）：
内部实现是dict的。在in操作上是O(1), 这一点比list要强。

操作	平均情况	最坏情况
x in s	O(1)	O(n)
并集 s|t	O(len(s)+len(t))
交集 s&t	O(min(len(s), len(t))	O(len(s) * len(t))
差集 s-t	O(len(s))
s.difference_update(t)	O(len(t))
对称差集 s^t	O(len(s))	O(len(s) * len(t))
s.symmetric_difference_update(t)	O(len(t))	O(len(t) * len(s))

空间复杂度：
是用来评估算法内存占用大小的方式。定义一个或多个变量，空间复杂度都是为1；列表的空间复杂度为列表的长度。

a = 'Python' 		 															#空间复杂度为1
b = 'PHP'
c = 'Java'
num = [1, 2, 3, 4, 5] 	 														#空间复杂度为5
num = [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]]  	#空间复杂度为5*4
num = [[[1, 2], [1, 2]], [[1, 2], [1, 2]] , [[1, 2], [1, 2]]]  					#空间复杂度为3*2*2