python常用的数据结构及算法————时间复杂度

 对于时间复杂度的大O表示,大家自行百度,这里不做赘述 。

 对于时间复杂度的计算,应该遵循以下规则:

①对于m个循环,时间复杂度的计算将每个循环的循环次数相乘即可;

②对于条件判断,以条件下判断下时间复杂度最多的为准;

③对于一般的顺序操作,每一步执行累加即可;

python常用的数据结构及算法————时间复杂度_第1张图片

 python常用的数据结构及算法————时间复杂度_第2张图片

 python中存在模块timeit可以用来检测和比较一小段python代码的运行时间(因为程序运行的时间也跟电脑的配置有很大的关系)

class timeit.Timer(stmt='pass', setup='pass', timer=)

Timer是测量小段代码执行速度的类。

stmt参数是要测试的代码语句(statment);

setup参数是运行代码时需要的设置;

timer参数是一个定时器函数,与平台有关。

timeit.Timer.timeit(number=1000000)

Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数,默认为1000000次。方法返回执行代码的平均耗时,一个float类型的秒数。

下面是timeit的示例

def test1():
   l = []
   for i in range(1000):
      l = l + [i]
def test2():
   l = []
   for i in range(1000):
      l.append(i)
def test3():
   l = [i for i in range(1000)]
def test4():
   l = list(range(1000))

from timeit import Timer

t1 = Timer("test1()", "from __main__ import test1")
print("concat ",t1.timeit(number=1000), "seconds")
t2 = Timer("test2()", "from __main__ import test2")
print("append ",t2.timeit(number=1000), "seconds")
t3 = Timer("test3()", "from __main__ import test3")
print("comprehension ",t3.timeit(number=1000), "seconds")
t4 = Timer("test4()", "from __main__ import test4")
print("list range ",t4.timeit(number=1000), "seconds")

# ('concat ', 1.7890608310699463, 'seconds')
# ('append ', 0.13796091079711914, 'seconds')
# ('comprehension ', 0.05671119689941406, 'seconds')
# ('list range ', 0.014147043228149414, 'seconds')

 

你可能感兴趣的:(数据结构与算法)