1、时间复杂度
定义:在计算机科学中,算法的时间复杂度是一个函数,它定性描述了该算法的运行时间。时间复杂度常用大O符号表述。 如果一个问题的规模是n,解这一问题的某一算法所需要的时间为函数T(n),若有某个辅助函数f(n),使得T(n)/f(n)的极限值(当n趋近于无穷大时)为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度
2、最坏时间复杂度
分析算法时,存在几种可能的考虑:
• 算法完成工作最少需要多少基本操作,即最优时间复杂度
• 算法完成工作最多需要多少基本操作,即最坏时间复杂度
• 算法完成工作平均需要多少基本操作,即平均时间复杂度
我们主要关注算法的最坏情况,亦即最坏时间复杂度
3、时间复杂度的几条基本计算规则
基本操作,即只有常数项,认为其时间复杂度为O(1)
顺序结构,时间复杂度按加法进行计算
循环结构,时间复杂度按乘法进行计算
分支结构,时间复杂度取最大值
判断一个算法的效率时,往往只需要关注操作数量的最高次项,其它次要项和常数项可以忽略 在没有特殊说明时,我们所分析的算法的时间复杂度都是指最坏时间复杂度
4、常见时间复杂度
执行次数函数举例 | 阶 | 非正式术语 |
12 | O(1) | 常数阶 |
2n+3 | O(n) | 线性阶 |
3n2+2n+1 | O(n2) | 平方阶 |
5log2n+20 | O(logn) | 对数阶 |
2n+3nlog2n+19 | O(nlogn) | nlogn阶 |
6n3+2n2+3n+4 | O(n3) | 立方阶 |
2n | O(2n) | 指数阶 |
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)
5、Python内置类型性能分析
timeit模块 timeit模块可以用来测试一小段Python代码的执行速度。
class timeit.Timer(stmt='pass', setup='pass', timer=<timer function>) Timer是测量小段代码执行速度的类。 stmt参数是要测试的代码语句(statment); setup参数是初始化的语句; timer参数是定时器函数,与平台有关。不同平台默认不一样
timeit.Timer.timeit(number=1000000) Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数,默认为1000000次。方法返回执行代码的平均耗时,一个float类型的秒数。
5、list常见操作的时间复杂度
6、dict常见操作的时间复杂度