Python算法的时间复杂度和空间复杂度(实例解析)
算法复杂度分为时间复杂度和空间复杂度。
其作用:
时间复杂度是指执行算法所需要的计算工作量;
而空间复杂度是指执行这个算法所需要的内存空间。
(算法的复杂性体现在运行该算法时的计算机所需资源的多少上,计算机资源最重要的是时间和空间(即寄存器)资源,因此复杂度分为时间和空间复杂度)。
简单来说,时间复杂度指的是语句执行次数,空间复杂度指的是算法所占的存储空间
计算时间复杂度的方法:
- 用常数1代替运行时间中的所有加法常数
- 修改后的运行次数函数中,只保留最高阶项
- 去除最高阶项的系数
时间复杂度
算法的时间复杂度是一个函数,它定量描述了该算法的运行时间,时间复杂度常用“O”表述,使用这种方式时,时间复杂度可被称为是渐近的,它考察当输入值大小趋近无穷时的情况
时间复杂度是用来估计算法运行时间的一个式子(单位),一般来说,时间复杂度高的算法比复杂度低的算法慢
print('Helloworld')#O(1) #O(1) print('HelloWorld') print('HelloPython') print('HelloAlgorithm') foriinrange(n):#O(n) print('Helloworld') foriinrange(n):#O(n^2) forjinrange(n): print('Helloworld') foriinrange(n):#O(n^2) print('HelloWorld') forjinrange(n): print('HelloWorld') foriinrange(n):#O(n^2) forjinrange(i): print('HelloWorld') foriinrange(n): forjinrange(n): forkinrange(n): print('HelloWorld')#O(n^3)
几次循环就是n的几次方的时间复杂度
n=64 whilen>1: print(n) n=n//2
26=64,log264=6,所以循环减半的时间复杂度为O(log2n),即O(logn)
如果是循环减半的过程,时间复杂度为O(logn)或O(log2n)
常见的时间复杂度高低排序:O(1) 空间复杂度 空间复杂度:用来评估算法内存占用大小的一个式子 定义一个或多个变量,空间复杂度都是为1,列表的空间复杂度为列表的长度 总结 以上所述是小编给大家介绍的Python算法的时间复杂度和空间复杂度,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持! 声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。
a='Python'#空间复杂度为1
#空间复杂度为1
a='Python'
b='PHP'
c='Java'
num=[1,2,3,4,5]#空间复杂度为5
num=[[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]]#空间复杂度为5*4
num=[[[1,2],[1,2]],[[1,2],[1,2]],[[1,2],[1,2]]]#空间复杂度为3*2*2
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!