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。