数据结构与算法（一）概念

数据结构与算法（Python）

数据结构和算法是兵法！ 数据结构和算法是一名程序开发人员的必备基本功，不是一朝一夕就能练成绝世高手的。冰冻三尺非一日之寒，需要我们平时不断的主动去学习积累。
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：
输入: 算法具有0个或多个输入
输出: 算法至少有1个或多个输出
有穷性: 算法在有限的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
确定性： 算法中的每一步都有确定的含义，不会出现二义性
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

算法效率衡量

实现算法程序的执行时间可以反应出算法的效率，即算法的优劣。
单纯依靠运行的时间来比较算法的优劣并不一定是客观准确的！程序的运行离不开计算机环境（包括硬件和操作系统），这些客观原因会影响程序运行的速度并反应在程序的执行时间上。
“大O记法”： 对于单调的整数函数f，如果存在一个整数函数g和实常数c>0，使得对于充分大的n总有f(n)<=c*g(n)，就说函数g是f的一个渐近函数（忽略常数），记为f(n)=O(g(n))。也就是说，在趋向无穷的极限意义下，函数f的增长速度受到函数g的约束，亦即函数f与函数g的特征相似。
时间复杂度： 假设存在函数g，使得算法A处理规模为n的问题示例所用时间为T(n)=O(g(n))，则称O(g(n))为算法A的渐近时间复杂度，简称时间复杂度，记为T(n)
最坏时间复杂度： 算法完成工作最多需要多少基本操作

时间复杂度的几条基本计算规则：
1、基本操作，即只有常数项，认为其时间复杂度为O(1)
2、顺序结构，时间复杂度按加法进行计算
3、循环结构，时间复杂度按乘法进行计算
4、分支结构，时间复杂度取最大值
5、判断一个算法的效率时，往往只需要关注操作数量的最高次项，其它次要项和常数项可以忽略
6、在没有特殊说明时，我们所分析的算法的时间复杂度都是指最坏时间复杂度

常见时间复杂度

常见时间复杂度之间的关系

Python内置类型性能分析

timeit模块

timeit模块可以用来测试一小段Python代码的执行速度。

class timeit.Timer(stmt=‘pass’, setup=‘pass’, timer=)
Timer是测量小段代码执行速度的类。

stmt参数是要测试的代码语句（statment）；

setup参数是运行代码时需要的设置；

timer参数是一个定时器函数，与平台有关。

timeit.Timer.timeit(number=1000000)
Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数，默认为1000000次。方法返回执行代码的平均耗时，一个float类型的秒数。

list内置操作的时间复杂度

dict内置操作的时间复杂度

数据结构

程序 = 数据结构 + 算法
算法是为了解决实际问题而设计的，数据结构是算法需要处理的问题载体。
抽象数据类型(Abstract Data Type) 是指一个数学模型以及定义在此数学模型上的一组操作。即把数据类型和数据类型上的运算捆在一起，进行封装。引入抽象数据类型的目的是把数据类型的表示和数据类型上运算的实现与这些数据类型和运算在程序中的引用隔开，使它们相互独立。
最常用的数据运算有五种：
插入
删除
修改
查找
排序