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！