引入数据结构
算法的概念
算法是计算机处理信息的本质,因为计算机程序本质上是一个算法来告诉计算机确切的步骤来执行一个指定的任务。一般地,当算法在处理信息时,会从输入设备或数据的存储地址读取数据,把结果写入输出设备或某个存储地址供以后再调用。
算法是独立存在的一种解决问题的方法和思想。
对于算法而言,实现的语言并不重要,重要的是思想。
算法可以有不同的语言描述实现版本(如C描述、C++描述、Python描述等),我们现在是在用Python语言进行描述实现。
算法的五大特性
输入: 算法具有0个或多个输入
输出: 算法至少有1个或多个输出
有穷性: 算法在有限的步骤之后会自动结束而不会无限循环,并且每一个步骤可以在可接受的时间内完成
确定性:算法中的每一步都有确定的含义,不会出现二义性
可行性:算法的每一步都是可行的,也就是说每一步都能够执行有限的次数完成
时间复杂度:每台机器执行的总时间不同,但执行基本运算数量大体相同
时间复杂度的比较:O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)
timit可以测试一段Python代码的执行速度
class timeit.Timer(stmt=‘pass’,setup=‘pass’,timer=s,timer=<>)
一、计算列表的插入操作运行时间
from timeit import Timer
def test1():
l=[]
for i in range(1000):
l.append(i)
def test2():
l=[]
for i in range(1000):
l+=[i]
def test3():
l=[i for i in range(1000)]
def test4():
l=list(range(1000))
timer1=Timer("test1()","from __main__ import test1")
print(timer1.timeit(1000))
timer2=Timer("test2()","from __main__ import test2")
print(timer2.timeit(1000))
timer3=Timer("test3()","from __main__ import test3")
print(timer3.timeit(1000))
timer4=Timer("test4()","from __main__ import test4")
print(timer4.timeit(1000))
运行结果:
0.07100490000000004
0.09715689999999999
0.04703809999999997
0.020349900000000032
数据结构概念
数据是一个抽象的概念,将其进行分类后得到程序设计语言中的基本类型。如:int,float,char等。数据元素之间不是独立的,存在特定的关系,这些关系便是结构。数据结构指数据对象中数据元素之间的关系。
Python给我们提供了很多现成的数据结构类型,这些系统自己定义好的,不需要我们自己去定义的数据结构叫做Python的内置数据结构,比如列表、元组、字典。而有些数据组织方式,Python系统里面没有直接定义,需要我们自己去定义实现这些数据的组织方式,这些数据组织方式称之为Python的扩展数据结构,比如栈,队列等。
算法与数据结构的区别
数据结构只是静态的描述了数据元素之间的关系。
高效的程序需要在数据结构的基础上设计和选择算法。
程序 = 数据结构 + 算法
总结:算法是为了解决实际问题而设计的,数据结构是算法需要处理的问题载体
抽象数据类型(Abstract Data Type)
抽象数据类型(ADT)的含义是指一个数学模型以及定义在此数学模型上的一组操作。即把数据类型和数据类型上的运算捆在一起,进行封装。引入抽象数据类型的目的是把数据类型的表示和数据类型上运算的实现与这些数据类型和运算在程序中的引用隔开,使它们相互独立。
最常用的数据运算有五种:
插入
删除
修改
查找
排序