Python(算法)-时间复杂度和空间复杂度

时间复杂度（Time Complexity）是指算法执行所需的时间量级。它描述了算法执行时间与输入规模之间的关系。通常用大O符号（O）来表示。时间复杂度越低，算法执行效率越高。

空间复杂度（Space Complexity）是指算法执行所需的额外空间量级。它描述了算法所需的额外空间与输入规模之间的关系。同样，通常用大O符号（O）来表示。空间复杂度越低，算法所需的额外空间越少。

在Python中，我们常用以下方式来衡量时间复杂度和空间复杂

1. 时间复杂度的计算

   • 我们通过分析算法中每个操作需要的时间来计算时间复杂度。
   • 通常，我们关注算法中最耗时的操作，并基于输入规模n来估计执行时间的数量级。
   • 在进行时间复杂度分析时，我们可以忽略常数项、系数项和低阶项，只关注最高阶的项。
   • 使用大O符号表示时间复杂度，例如O(1)、O(log n)、O(n)、O(n log n)、O(n^2)等。

2. 空间复杂度的计算

   • 我们通过分析算法执行时需要的额外空间来计算空间复杂度。
   • 除了算法中的输入数据所占用的空间外，我们还需要考虑额外的数据结构、临时变量等所需的额外空间。
   • 与时间复杂度类似，我们可以忽略常数项、系数项和低阶项，只关注最高阶的项。
   • 使用大O符号表示空间复杂度，例如O(1)、O(n)、O(n^2)等。

     print('Hello world')  # O(1)
      
      
     # O(1)
     print('Hello World')
     print('Hello Python')
     print('Hello Algorithm')
      
      
     for i in range(n):  # O(n)
         print('Hello world')
      
      
     for i in range(n):  # O(n^2)
         for j in range(n):
             print('Hello world')
      
      
     for i in range(n):  # O(n^2)
         print('Hello World')
         for j in range(n):
             print('Hello World')
      
      
     for i in range(n):  # O(n^2)
         for j in range(i):
             print('Hello World')
      
      
     for i in range(n):
         for j in range(n):
             for k in range(n):
                 print('Hello World')  # O(n^3)

     几次循环就是n的几次方的时间复杂度

     n = 64
     while n > 1:
         print(n)
         n = n // 2

     26 = 64，log264 = 6，所以循环减半的时间复杂度为O(log2n)，即O(logn)

     如果是循环减半的过程，时间复杂度为O(logn)或O(log2n)

     当我们在分析算法的时间复杂度时，通常会省略对数底数的表示，因为对数的底数对于时间复杂度分析来说并不重要。在大O表示法中，对数的底数被认为是常量，因此不会对时间复杂度的增长率产生影响。
     
     以下是一些常见的对数底数的情况：
     
     O(log n)：通常表示以2为底数的对数，即log base 2 n。在计算机科学中，以2为底数的对数是最常见的。比如，二分查找的时间复杂度就是O(log n)，其中n表示输入规模。
     
     O(log2 n)：明确指定以2为底数的对数。在相对罕见的情况下，当底数为2时，可能会明确写出log2 n，以强调底数的特定值。
     
     O(log10 n)：以10为底数的对数。在计算机科学中，以10为底数的对数并不常见，但在某些特定领域（例如与数字相关的计算）中可能会遇到。

   • 常见的时间复杂度高低排序：O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n2logn)<O(n3)

        空间复杂度

空间复杂度：用来评估算法内存占用大小的一个式子

a = 'Python'  # 空间复杂度为1
 
 
# 空间复杂度为1
a = 'Python'
b = 'PHP'
c = 'Java'
 
 
num = [1, 2, 3, 4, 5]  # 空间复杂度为5
 
 
num = [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]]  # 空间复杂度为5*4
 
 
num = [[[1, 2], [1, 2]], [[1, 2], [1, 2]] , [[1, 2], [1, 2]]]  # 空间复杂度为3*2*2

 定义一个或多个变量，空间复杂度都是为1，列表的空间复杂度为列表的长度