算法设计与分析：算法时间复杂度渐进分析（Python）

实验目的和要求：

1.做计时实验，验证Python组合数据类型常见操作时间复杂度；
2.熟悉用time模块做算法计时；
3.用matplotlib模块画出操作时间和数据规模的关系（可选）
4.掌握算法时间复杂度的渐进分析

实验内容和原理：

1.验证list的按需索引：O(1)
2.dict的set item和get item：O(1)
3.给定随机数列表，list.sort()：O(nlogn)

import random
import timeit
import matplotlib.pyplot as plt
# print("        sort()")
listx=[]
listy=[]
dictx=[]
dicty=[]
fig=plt.figure(figsize=(10,10))
sorts1 = timeit.Timer("del l[0]", globals=globals())
sorts2 = timeit.Timer("del d[0]", globals=globals())
for m in range(10,10**6,10**4):
    listx.append(m)
    dictx.append(m)
    l=list(random.randrange(10**6) for n in range(m))
    d={i:i*2 for i in range(m)}
    t1=sorts1.timeit(number=1)#number：要测试的代码的运行次数
    t2=sorts2.timeit(number=1);
    listy.append(t1)
    dicty.append(t2)
# print("%15.5f" %sorts)
plt.scatter(listx,listy,color='red',label='del list[]')
plt.scatter(dictx,dicty,label='del dict[]')
plt.xlabel('del操作');
plt.ylabel('time')
plt.legend()
plt.show()

讨论、心得:

1. 不同的功能的时间复杂度不同，所用时间也不同。
2. 可以利用matplotlib中的plot函数实现画图功能。
3. Show函数可以把画图的结果展示出来。
4. figure图形图标的意思，在这里指的是我们画的图
5. 通过实例化一个figure并且传递参数，能够在后台自动使用该figure实例
   在图像模糊的时候可以传入dpi参数，让图片更清晰