Python实现程序运行时间度量分析

• 推荐自己的专栏：分享一些Python案例，将所学用出来

---

一：算法时间复杂度分析函数的设计

• 程序的运行时间长度与算法的设计和所求解的问题的规模有关。
• 当输入大小(即问题规模)增大时，程序的运行时间递增比例，即是算法的时间复杂度。

设计思路如下:

1. 定义函数buildData(n)，构造并返回规模为n的测试输入数据。例如，排序随机n个数的列表。

def buildData(n):
    """构造测试规模为n的输入数据,对于排序，随机n个数的列表"""
    data = [random.randrange(n) for i in range(n)]
    return data

2. 定义函数timing(f, data)， 返回调用f(data)的运行时间。

def timing(f, data):
    """测量函数调用f(data)的运行时间分析"""
    start = time.time() #记录开始时间
    f(data)  #运行f(data)
    end = time.time()  #记录结束时间
    return end - start #返回执行时间

3. 定义函数timingAnalysis(f, m₁, m₂, runs, buildData)， 测量并输出函数 f 在不同输入规模: 10^m₁、10^m₁+1、 …、10^m₂ 情况下运行runs次的平均时间。
   函数调用buildData(n)规模为n的数据data，然后调用timing(f, data) 测量函数的运行时间。

def timingAnalysis(f,m1, m2, runs, buildData) :
    """输出函数f在不同输入规模: 10**m1,.... ,10**m2运行runs次的时间"""
    for n in [10**i for i in range(m1, m2+1)