数据结构与算法（python）第一节_算法的每一步必须是计算机语言能实现的-CSDN博客

本文链接：https://blog.csdn.net/yzy_1117/article/details/120085116

算法是计算机处理信息的本质，算法是独立存在的一种解决问题的方法和思想

算法五大特性：

（1）输入：有0个或者多个输入

（2）输出：至少有一个或多个输出

（3）有穷性：有限步骤后自动结束而不会无限循环，每一个步骤可以在可接受的时间内完成

（4）确定性：算法中每一步都有确定的含义，不能有二义性

（5）可行性：算法的每一步都能够用计算机语言实现

算法效率衡量：

执行时间

时间复杂度和大O记法

渐进函数 g(n） = n^3 O（g(n)) 渐进时间复杂度

时间复杂度

优先关注最坏时间复杂度

时间复杂度计算的几个基本原则：

（1）基本操作，只有常数项，时间复杂度是O（1）

（2）顺序结构，时间复杂度按加法计算

（3）循环结构，时间复杂度按乘法计算

（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此项，其他次要项和常数项可以忽略

（6）在没有特殊说明时，我们所分析的算法时间复杂度都是指最坏时间复杂度

常见时间复杂度

O(1) 常数阶

O(n) 线性

O(n^2) 平方阶

O(logn)对数阶

O(nlogn)

O(n^3)

O(2^n) 指数阶

代码执行时间测量模块timeit

可以用来测试一小段Python代码的执行速度

Timer是测量小段代码执行速度的类

习惯 py文件起名的时候文件名不要和包名关键字名重合

举例练习，计算多种方式列表添加元素的运行时间：


from timeit import Timer
li1 = [1, 2]
li2 = [23, 5]

li = li1 + li2

li = [i for i in range(10000)]

#列表添加的四种方式
def test1():  #append()
    li = []
    for i in range(10000):
        li.append(i)

def test2():
    li = []
    for i in range(10000):
        li += [i]

def test3():
    li = [i for i in range(10000)]

def test4():
    li = list(range(10000))


timer1 = Timer("test1()", "from __main__ import test1")  #timer这个函数是在外部运行的，第二个参数是运行条件需要02list这个模块的，用__main__再模块内部用来标识模块名称
print("test1:", timer1.timeit(1000))

timer2 = Timer("test2()", "from __main__ import test2")  
print("test2:", timer2.timeit(1000))

timer3 = Timer("test3()", "from __main__ import test3")  
print("test3:", timer3.timeit(1000))

timer4 = Timer("test4()", "from __main__ import test4")  
print("test4:", timer4.timeit(1000))

四种方式运行时间结果：

test1: 0.333015125
test2: 0.379017417
test3: 0.15235016700000004
test4: 0.08127616599999998

数据结构

数据结构要解决的问题是数据如何组织起来，对基本数据类型的一种封装

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：把数据类型和数据类型上的额运算捆在一起，形成一种封装

顺序表

数据元素本身连续存储物理地址和逻辑地址逻辑地址是下标根据起始地址和逻辑地址可以得到物理地址

顺序表的完整信息包括两部分，一部分是元素集合，另一部分是为实现正确操作而需要记录的信息，即有关表整体情况的信息，包括元素存储区的容量和当前表中已经有的元素个数

表头信息+数据区

顺序表两种基本实现方式：一体式结构：表头和存储区连续存储分离式结构表头和存储区分离，表头还存储着存储区的地址