数据结构与算法 1 引入概念

算法是独立存在的一种解决问题的方法和思想，计算机处理信息的本质。
算法的五大特性
1 输入: 算法具有0个或多个输入
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
4 确定性：算法中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

标题算法效率衡量

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。
时间复杂度与“大O记法” 最坏时间复杂度
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
常见时间复杂度之间的关系
所消耗的时间从小到大

标题Python内置类型性能分析

timeit模块可以用来测试一小段Python代码的执行速度。(本质数据存储问题)

from timeit import Timer

def test1():
	l = []
	for i in range(100):
	l = l + [i]

t1 = Timer('test1()','from __main__ import test1')
t1.timeit(number=100)
print(t1.timeit(number=100)) 

数据结构

数据基本类型：int，float，char等
数据结构：列表，字典，元祖
算法与数据结构的区别
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
总结：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)
抽象数据类型(ADT)的含义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

class Stus(object):

	def adds(self)
	def pop()
	def sort()
	def modify()