时间复杂度和空间复杂度

   本文章适用于基础小白新手或者复习python的，仅供参考。

  我写的可能都比较基础，想要提升的人可以找下一篇了。我写的大白话比较多，没有那么官方，仅供理解，想要概念之类的可以去百度，我有的可能懒的粘，因为我是个p人。

一、 算法运行效率

1.1 时间复杂度

    时间复杂度就是按字面意思来说就是时间多少，我理解的与运行效率有关，时间复杂度越高，运行效率越低，然后如何计算时间复杂度，就和我们平时用来记录时间的单位一样，时间复杂度也是有单位的，下面是相关的例子。

    就比如这一个这个就很简单，运行次数为一，按规定来写就是O（1）

print('Hello  World')

   那如果我多写几个，有具体的数值，那我还是可以表示出来的，还是O（几），那我这个几如果表示不出来，那是不是就变成O（n），那是不是意味着我的单位发生了变化，之前已知现在未知。

for i in range(n):
     print('Hello  World')

   那我再这个循环里面嵌套一个循环，那是不是次方发生了变化，单位又变化了，下面这个就一个是O（nj），一个是O（n²）。

for j in range(n):
    for s in range(j):
        print('Hello  World')

for j in range(n):
    for s in range(n):
        print('Hello  World')

   在判断的过程中，要掌握好python的基础语法，不然就会出现判断错误的现象，就和我刚开始打的时候一样。

  在写下面这个例子的时候，其实我是想写复杂度为O（logn）的，但是我发现他的循环没有终止，还是循环n次的，所以这下面的两个时间复杂度还是O（n），要注意这一点。

for i in range(n):
    x = x//2
    if x>=0:
        print ('x')
    else:
        print (None)

for i in range(n):
    if x >=0:
        x = x//2
    else:
        break

  下面这个例子就是真正的O（logn）。

while x > 0:
    for i in range(x):
        print(x)
    x = x // 2

  大概的例子就写这么多，计算时间复杂度的相关步骤，就是先整体分析他一层一层的总体的值，然后再取最高的阶层就可以了。

快速判断的方法：

 1.先找他的规模，也就是第一次出现n的时候，没有就算了。

2.在这个循环里面如果减半那就是logn。

3.在循环里面套循环那就是相乘，有几层乘几次。

  下面是他的常用单位的时间复杂度排序，记得最后都写的是单位，不加参数。

  因为时间复杂度是估计算法运行时间的一个式子（单位）。

O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n²logn)<O(n³)

1.2 空间复杂度

    这个我感觉没那么经常出现，基本思想和时间复杂度一样，把时间替换为内存，没有时间复杂度重要。

空间复杂度：用来评估算法占用内存大小的式子。

算法使用了n个变量：O（1）

算法使用了长度为n的一维列表：O（n）

算法使用了n行m列的二维列表：O（nm）

然后其他就和时间复杂度一致。