算法入门——时间复杂度与空间复杂度

 时间复杂度是一个单位概念，是衡量程序复杂程度或同等条件下程序运行快慢的标准。我们记输出，加减乘除四则运算的复杂度为O（1）（O在这里表示数学上的一个上界的概念），相应的，嵌套k层循环的程序复杂度就是n的k次方。但是要注意，时间复杂度是一个单位就是把O（1）定义为一个单位，不管是输出一个语句还是你打五个print输出五个语句，其复杂度都是O（1），同理如果有循环a{输出a，循环b{输出b}}应该为O（n²＋n）的复杂度，因为其n对n²而言微不足道，故而其复杂度应该是O（n²），上面是错的，具体如下：

 对于while循环语句会有时候出现复杂度为O（logn）（即O（log₂n）因为计算机一般是二进制，别跟我说什么苏联的三进制计算机，早解体了呵呵呵，就可以省略下标2）

 因为上述程序循环是六次，每次相当于循环总数n除以二代入，所以n与2存在对数关系，故而表达为logn。思考：若把上述循环语句中n//2改为n-2，则时间复杂度应该是多少？

答案是O（n）因为改好后循环的次数从logn次变成n/2次，n/2与n属于一个单位的数量级，所以复杂度是O（n）空间复杂度相对于时间复杂度不是一个那么常用概念，就是说当代的大多数程序主要追求节省时间而非空间，在内存越来越廉价的当下，更多的会设计复杂度低内存大的程序，去换取时间上的优势。

空间复杂度也是一个单位概念，无论是一个变量a，还是几个变量a，b，c，d，e，f，g，都是空间复杂度为O（1）。而O（n）在空间复杂度里表示一维列表。O（mn）表示一个二维列表

部分图片参考自b站路飞学城python算法学习视频，本文仅供个人学习使用，特此声明