Python系统学习#5 时间复杂度与空间复杂度

时间复杂度

时间复杂度就是程序运行一遍所消耗的时间和输入的数据量(n)之间的函数关系。通常有 ：O(1), O(n), O(logn), O(nlogn), O(n²), O(n^k)

当数据的输入量与运行时间没有关系时，则时间复杂度为O(1)。像是经验公式，一般没有复杂的数据结构。

当程序拥有单一的循环，并且没有相应的循环检索函数(如count函数)时，时间复杂度为O(n)

当程序为二分检索类型，即每寻找一次就排除一半的可能，则时间复杂度为O(logn)。这个程序外有一个循环则时间复杂度即为O(nlogn)

当有n层循环时，则时间复杂度为O(n^k)

一般来说，我们需要寻找一个在特定复杂度下的解决方案。例如，如果。

- n小于等于1 000 000，预期的时间复杂度是O(n)或O(n log n)。

- n小于等于10 000，预期的时间复杂度是O(n2)。

- n.小于等于500，预期的时间复杂度是O(n3)。

当然，这些限制并不精确。它们只是近似值，而且会根据具体任务的不同而变化。

空间复杂度

空间复杂度是程序运行一遍临时占用的存储空间与输入的数据量(n)之间的关系。

当程序所占用的存储空间不随程序数据量变化而变化时，像是定义了一个常量，系统为这个常量分配了一块空间，无论他的值是多少，他所消耗的空间大小是不变的。这时的空间复杂度为O(1)

当程序所占用的存储空间随程序数据量呈线性变化时，像是定义了一个数组，为他赋值越多，那么系统为这个数组分配的空间也就呈比例的增多。这时的空间复杂度为O(n)

参考：

https://blog.csdn.net/modi000/article/details/107364075

https://www.cnblogs.com/lonely-wolf/p/15674526.html