数据结构与算法 1 引入概念

 

引入

1.1 第一次尝试

先来看一道题：a+b+c = 1000，且a^2+b^2=c^2(a,b,c为自然数)，如何求所有a，b，c的可能的组合？

解法1：枚举法，先取a=0，b=0，c=0~1000

import time #时间模块

start_time = time.time()
for a in range(0, 1001):
    for b in range(0, 1001):
        for c in range(0, 1001):
            if a+b+c == 1000 and a**2 + b**2 == c**2:
                print('a, b, c:%d, %d, %d' % (a, b, c))
end_time = time.time()
print('times:%d' % (end_time-start_time))

print('finished')

1.2 算法的提出

算法是独立存在的一种解决问题的方法和思想

算法的五大特性：

1 输出：算法具有0或多个输入

2 输出：算法至少有1个或多个输出

3 有穷性：算法在有限个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

1.3 第二次尝试

import time

start_time = time.time()
for a in range(0, 1001):
    for b in range(0, 1001):
        c = 1000-a-b
        if a**2 + b**2 == c**2:
            print('a, b, c:%d, %d, %d' % (a, b, c))
end_time = time.time()
print('times:%d' % (end_time-start_time))

print('finished')

1.4 算法效率衡量

单独靠执行时间不一定可靠，比如在新机器和老机器上的时间比较不可靠，引入时间复杂度

在第一次尝试中，假设a+b+c = 1000，则T（1000）= 1000*1000*1000*2

假设a+b+c = 2000， T（2000）=2000*2000*2000*2

抽象成T（N）=N^3*2

在进一步省略为O（n）=n^3

T（n）= k*O（n），O（n）是T（n）的渐近函数

算法时间复杂度：

最优时间复杂度  最坏时间复杂度   平均时间复杂度

最优时间复杂度，其价值不大，没有参考价值。我们最关心最坏时间复杂度 

1.5 时间复杂度的几条基本计算规则

分析第二次尝试：

T（n）=n*n*(1+max(1,0))   #循环 循环 分支结构

           = n^2*2

           = O(n^2)

1.6 常见时间复杂度

1.7 python内置类型性能分析

list和dict不能当成基本类型看

def test1():
    li = []
    for i in range(10000):
        li.append(i)
def t2():
    li = []
    for i in range(10000):
        li = li + [i]
def t3():
    li = [i for i in range(10000)]
def t4():
    li = list(range(10000))
def t5():
    li = []
    for i in range(10000):
        li.insert(0, i)
def t6():
    li = []
    for i in range(10000):
        li.extend([i])
        
from timeit import Timer

time1 = Timer("test1()", "from __main__ import test1")
print('append', time1.timeit(number=1000),'s')
time2 = Timer("t2()", "from __main__ import t2")
print('+', time2.timeit(number=1000),'s')
time3 = Timer("t3()", "from __main__ import t3")
print('for', time3.timeit(number=1000),'s')
time4 = Timer("t4()", "from __main__ import t4")
print('list', time4.timeit(number=1000),'s')
time5 = Timer("t5()", "from __main__ import t5")
print('insert', time5.timeit(number=1000),'s')
time6 = Timer("t6()", "from __main__ import t6")
print('extend', time6.timeit(number=1000),'s')

测试结果：

append 0.7037908 s
+ 0.612001 s
for 0.37875210000000004 s
list 0.22239680000000006 s
insert 33.7926759 s
extend 0.9917332999999999 s

list内置操作的时间复杂度

dict内置操作的时间复杂度

 

1.8 数据结构

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

抽样数据类型（Abstract Data type）ADT

指一个数学模型以及定义在此数学模型上的一组操作

最常用的数据运算有五种：

插入 删除 修改 查找 排序