算法第一天

程序 = 数据结构 + 算法

算法：解决问题的一种思路

数据结构：数据在计算机中存储的方式。

抽象数据类型（ADT，abstract data type）：将数据类型和数据类型上的运算进行封装。
运算：增删改查，排序

算法的五大特性：

输入 ：0或多个输入
输出 ：至少一个输出
有穷性 ：有限步后自动结束，每步都在可接受的时间内完成
确定性 ：每一步都有确定的含义，无二义性
可行性 ：每一步都是有穷的，即每一步都能在执行有限次后完成。

时间复杂度：

引入：由于运行平台的多样性，以程序的执行时间来衡量算法的效率不一定是客观准确的。于是以计算机执行的每一个基本操作作为衡量算法效率的时间单位。有多少基本操作就有代表会花费多少时间。

渐进函数：

n：表示输入的规模。
f(n)：表示算法的具体的时间复杂度函数
g(n) : 当 n 趋于无穷时，f(n)中的低次项和最高次项的常数系数变得不再重要，只保留系数为1的最高次项，这就是g(n)
O（g(n)）：算法的渐进时间复杂度，简称时间复杂度，计作T(n)

分析算法时可能需要考虑：

最优时间复杂度：算法执行最乐观的情况，基本无参考价值。
最坏时间复杂度：算法执行的一种保证，若无特别说明，时间复杂度就是指最坏时间复杂度。
平均时间复杂度：对算法的全面评价，反映算法的性质。但因为平均情况难以计算，这种衡量没有保证。

计算规则：

1.基本操作 ： 计作O（1），即常数级。
2.顺序结构：按加法进行计算。
3.分支结构：取最大值。
4.循环结构：按乘法进行计算。
5.进行完上述操作，可以得出f(n)，忽略低次项和常数之后得到g(n)。
6.无特殊说明时，按最坏的情况进行计算。

时间复杂度之间的关系：

O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)

Python内置性能分析模块 timeit

from timeit import Timer

使用：
实例化Timer对象，传入两个字符串：要测试的函数名字符串和函数导入命令字符串
实例调用Timer类的timeit（）方法。传入一个参数，表示测试次数。

from timeit import Timer

def test1():
    pass

t1 = Timer("test1()", "from __main__ import test1")
t1.timer(10000) #测试10000次。

list 的操作测试：

列表创建：
append()：相对最慢。
list() ：最快。
推导：[ for if]，居中，但是操作最灵活。

列表扩展：
+：最低效，返回扩展后的结果，不是自操作，列表本身不变。
+= ：自增操作符最高效
extend() ：自扩展

列表从头部插入和从尾部追加，哪个快？
append比insert(0，)快得多。

list 内置操作的时间复杂度：

dict 内置操作的时间复杂度：