Python-数据结构和算法之时间复杂度和数据结构

作用：

数据结构和算法大大的提高的代码的效率，使得代码更加规范。

算法的五大特征：

1. 输入: 算法具有0个或多个输入
2. 输出: 算法至少有1个或多个输出
3. 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
4. 确定性：算法中的每一步都有确定的含义，不会出现二义性
5. 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

算法效率衡量：

实现算法程序的执行时间可以反应出算法的效率，但是单靠时间并不能客观准确判断，为了创立一个标准，定义了“时间复杂度”

时间复杂度：每天机器执行时间不同，但是基本运算数量基本相同，用运算数量来判断时间复杂度

在效率判断时，我们需要关注最坏时间复杂度。提供了一个保证

时间复杂度的基本计算规则：

1. 基本操作，即只有常数项，认为其时间复杂度为O(1)
2. 顺序结构，时间复杂度按加法进行计算
3. 循环结构，时间复杂度按乘法进行计算
4. 分支结构，时间复杂度取最大值
5. 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
6. 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

大O表示法：

用0(n²)来表示n²所带的系数和常数

常见时间复杂度之间的关系：

O(1) < O(logn) < O(n) < O(nlogn) < O(n2) <O(n2log(n)) < O(n3) < O(2n) < O(n!) < O(n的n次方)

list和字典内置操作时间复杂度

数据结构引用

不同数据结构引用的办法不同，列表字典元组等都已经是数据结构而不是简单的基本类型

抽象数据类型：

把数据类型和数据类型上的运算捆在一起，进行封装，例如：插入，删除等