《数据结构：python语言描述》上机实验1.5

基础实验1分析算法的时间和空间复杂度

 

实验目的：考察是否能够正确地理解算法的时间和空间复杂度的概念，并计算出下列给定算法的时间和空间复杂度。

 

时间复杂度是指执行当前算法消耗的时间，在时间复杂度中，我们主要采取事前分析估算法来分析算法的时间性能。

 

（1）算法中无循环。时间复杂度为O(1)，称为常量阶。

（2）一个单重循环，O(n)，称为线性阶。

（3）双重循环，O(n^2)，称为平方阶。

 

空间复杂度，是指执行当前算法需要占用多少内存，在对算法的空间复杂度进行研究时，只分析临时变量所占有的存储空间，不用考虑形参占用的存储空间。

 

import time
def Fun1():
    i=0
    print("hello world")

t=time.time()
Fun1()
print(f'coast:{time.time() - t:.4f}s')#运行结束的时间-运行开始的时间

算法中无循环，时间复杂度为O(1)，空间复杂度O(1)

def Fun2(n):
    k = 0
    for i in range(0,n):
        k += i
    return k

单重循环，计算1+...+n，时间复杂度为O(n)，空间复杂度O(1)

def function(n):
    k=0
    for i in range(1,n):
        for j in range(1,i+1):
            k=i*j
            print(i,"*",j,"=",k)
        print()

双重循环，计算n*n乘法表，时间复杂度O(n^2)，空间复杂度O(1)

基础实验2设计算法并讨论其时间复杂度

1.实现无循环的方法

（1）简单编写一个输出自己姓名和学号的语句

def fun():
    print("姓名：君心，学号：008")

（2）计算该方法时间复杂度：O(1)

2.实现单重循环求解正整数1-n和，跟上面一样

3.实现双重循环的方法，输出九九乘法表

function(10)

1. 5.2综合实验

多种方式求1-n的和

（1）逐个累加

（2）使用公式n(n+1)/2

 

def Fun2(n):
    k = 0
    for i in range(0,n):
        k += i
    return k

Fun2(100)

def Fun3(n):
    sum1 = n*(n-1)/2
    print(sum1)

Fun3(100)

综合实验2 多种方式求素数

判断这个数是否为素数

（1）将n对2,3，..n-1逐个取模，结果不为0，则n为素数

def Fun4(n):
    for i in range(2,n-1):
        if n%i==0:
            print(n,"不是素数")
            break
    else:
            print(n,"是素数")
Fun4(17)

（2）对2,3，....n/2逐个取模

def Fun5(n):
    m=n//2+1
    for i in range(2,m):
        if n%i==0:
            print(n,"不是素数")
            break
    else:
            print(n,"是素数")

（3）对1,2 。。。 根号n逐个取模

import math
def Fun6(n):
    m=int(math.sqrt(n))+1
    for i in range(2,m):
        if n%i==0:
            print(n,"不是素数")
            break
    else:
            print(n,"是素数")

这个算法比较简单，在我的笔记本上时间差距不是很明显。

 

习题

一选择题

1D数据元素可由若干个数据项（data item）组成，数据项是数据的不可分割的最小单位。

2B计算机所处理的数据一般具有某种内在联系,这是指元素与元素之间存在某种关系

3C数据的逻辑结构分两大类: 1线性结构。2非线性结构。 

数据的存储方法有四种: 1顺序存储方法 。2链接存储方法 。3索引存储方法。4散列存储方法 。

4B算法是为解决某一问题编写的程序

5C算法的时间复杂度取决于问题的规模、待处理数据的初态。

二填空题

1、数据项是数据元素中不可分割的最小标识单位，通常不具备完整、确定的实际意义，只是反映数据元素某一方面的属性。

2、数据的逻辑结构通常分为集合结构、线性结构、树状结构和网络结构。

3、数据结构的存储方式有顺序存储方法、链接存储方法、索引存储方法和散列存储方法这四种。

4、一个算法有5个特性，有输入，有输出，确定性，有穷性和有效性。

5、在对算法的空间复杂度进行分析时，只需考虑临时变量所占用的存储空间不用考虑形参占用的存储空间。

 

三编程题

1、设计算法求解正整数n的阶乘

def factorial(n):
    if n - 1 > 0 :
        return (factorial(n - 1) * n)#递归
    else:
        return 1
factorial(4)

2、已知序列1,2，3,5，8，求第20项的值

def Fun7(n):
    if n > 1:
        return (Fun7(n-1)+Fun7(n-2))
    else :
        return 1
Fun7(20)

3、设计算法求解1！+2！+3！+...+n!的和

def factorial(n):
    if n - 1 > 0 :
        return (factorial(n - 1) * n)#递归
    else:
        return 1
    
def Fun2(m):
    k = 0
    for i in range(1,m+1):
        k = factorial(i)+k
    return k

4、设计算法求解1！+2！+3！+...+n!的和，要求使用双重循环，外循环控制循环次数，内循环求解每个数的阶乘。

def Fun8(m):
    k = 0
    for i in range(1,m+1):
        
        def Fun9(n):
            x = 1
            for j in range(1,n+1):
                x = x * j
            return x
        
        k = Fun9(i)+k
    return k

5、设计算法求解1！+2！+3！+...+n!的和，要求仅使用单重循环控制循环的次数，同时计算当前数的阶乘。（和第3题一样）

6、设计算法获取输入的n个数据中的最大值

首先定义一组数和变量a，并赋值【a=list(0)】；然后用range循环查询，如果有数大于【list=(0)】，则传值给a并输出即可。

def max2(list):

    a = list[0]

    for prime in range (1,len(list)):

        if list[prime] > list[0]:

            a = list[prime]

    return a

8、设计算法对于1-n的每一个整数n，输出log2n、根号n、n、等8个函数的值，并分析增长趋势（例如n=10）

import numpy as np
import matplotlib.pyplot as plt
def f1(x):
    return x #这里可更改函数

def plot_f1():
    x=np.linspace(1,10,10)
    y1=f1(x)
    
    plt.plot(x,y1)
    plt.grid()
    plt.show()
    
plot_f1() #画图分析增长趋势
for i in range(1,10):
    print(f1(i)) #输出1-10对应的函数的值

9、设计算法对输入的n个数据从小到大进行排序

def min2(arr):
    smallest = arr[0]      #找到最小值
    smallest_index = 0     #存储最小元素的索引
    for i in range(1,len(arr)):
        if arr[i] < smallest:
            smallest = arr[i]
            smallest_index = i
    return smallest_index

def sort1(arr):   #对数组进行排序
    newArr = []   #新数组
    for i in range(len(arr)):
        smallest = min2(arr)
        newArr.append(arr.pop(smallest))   #删掉原数组中最小的元素，并将其加入到新数组中
    return newArr