一.引入
先来看一道题：
如果a+b+c=1000, 且a2+b2=c^2(a,b,c为自然数)，如何求出所有a,b,c可能的组合？
(1) 枚举法
import time
start_time = time.time()
for a in range(0,1001):
for b in range(0,1001):
for c in range(1,1001):
if a+b+c==1000 and a**2+b**2 == c**2:
print('a,b,c:%d,%d,%d'%(a,b,c))
end_time = time.time()
print('time:%d'%(end_time-start_time))
print('finished')
##基本步骤数量T = 1000*1000*1000*2
改进代码
import time
start_time = time.time()
for a in range(0,1001):
for b in range(0,1001):
c = 1000-a-b
if a**2+b**2 == c**2:
print('a,b,c:%d,%d,%d'%(a,b,c))
##每台机器执行的总时间不同
##但执行基本运算数量大体相同
end_time = time.time()
print('time:%d'%(end_time-start_time))
print('finished')
##基本步骤数量T(n)=n*n*(1+max(1,0))=n^2
算法的概念：是独立存在的一种解决问题的方法和思想
算法的五大特征：
(1)输入：算法具有0个或多个输入
(2)输出：至少有一个或多个输出
(3)有穷性：在有限的步骤之后会自动结束而不会无限循环，并且每一个步骤可以在可接受的时间内执行
(4)确切性：每一步有确切的含义
(5)可行性：每一步是可行的
二 . 算法效率
时间复杂度和“大O计法”
时间复杂度：T(n) = n^3 * 2
大O计法：不用分析很精确 T(n) = n^3
最坏时间复杂度：
[1,2,4,8,6,5,3,1]排序 n^2
[1,2,3,4,5] for i in ls: n
(1) 最优时间复杂度：价值不大，没有提供什么有用信息
(2)最坏时间复杂度：提供了一种保证
(3)平均时间复杂度：是对算法的一个全面评价，没有提供保证
因此，主要关注最坏时间复杂度，然后最优时间敷在读
2. 时间复杂度的几条基本计算规则：
(1) 基本操作，即只有常数项
(2)顺序结构，按照加法进行计算
(3)循环结构，按照乘法进行计算
(4)分支结构，时间复杂度取最大值
(5)判断一个算法的效率时，往往只需要关注操作量的最高项次，其他次要项和常数项可以忽略
(6)在没有特殊说明时，我们通常分析最坏时间复杂度
3. 常见时间复杂度：
(1)12 O(1) 常数阶
(2) 2n+1 O(n) 线性阶
(3)3n^2 O(n2) 平方阶
(4)5logn. O(long) 对数阶
(5)2n+3nlogn+19 O(n*logn) nlogn阶
(6) 6n3+2n2+3n+4 O(n3) 立方阶
(7)2n O(2n) 指数阶
关系：
O(1)
三. Python内置类型性能分析
1. timeit模块
可以用来测试一小段代码的运行速度
class time.Timer(stmt=‘pass’,setup=‘pass’,time=)
time.Timer.timeit(n=1000000)
number参数时测试代码时的测试次数
测算list
from timeit import Timer
#li1 = [1,2]
#li2 = [23,5]
#li = li1 +li2
#li = [i for i in range(10000)]
#li = list[range(10000)]
def test1():
li = []
for i in range(10000):
li.append(i)
def test2():
li = []
for i in range(10000):
li += [i]
def test3():
li = [i for i in range(10000)]
def test4():
li = list(range(10000))
def test5():
li = []
for i in range(10000):
li.extend([i])
timer1 = Timer('test1()','from __main__ import test1')
print('append:',timer1.timeit(1000))
timer2 = Timer('test2()','from __main__ import test2')
print('+:',timer2.timeit(1000))
timer3 = Timer('test3()','from __main__ import test3')
print('[i from i in range]:',timer3.timeit(1000))
timer4 = Timer('test4()','from __main__ import test4')
print('list(range()):',timer4.timeit(1000))
timer5 = Timer('test5()','from __main__ import test5')
print('list(range()):',timer5.timeit(1000))
##最快的是timer5
def test6():
li = []
for i in range(10000):
li.append(i) ##从列表尾添加
def test7():
li = []
for i in range(10000):
li.insert(0,i) ##从列表头添加
timer6 = Timer('test6()','from __main__ import test6')
print('append:',timer6.timeit(1000))
timer7 = Timer('test7()','from __main__ import test5')
print('list(extend:',timer7.timeit(1000))
##对头添加比对尾添加慢
list 内置时间复杂度
dict内置时间复杂度
四. 数据结构
数据是一个抽象的概念，将其分类后得到程序设计语言中的基本类型。
数据元素之间不是独立的，存在特点的关系，这些关系便是数据结构。
程序=算法+数据结构
算法是为了解决实际问题而设计的，数据结构是算法需要处理的问题载体。
抽象数据类型：指一个数学模型以及定义在此数学模型上的一组操作。即把数据类型和数据类型上的运算捆在一起，进行封装。
常用的数据运算有五种：插入，删除，修改，查找和排序
原文链接:https://blog.csdn.net/mangogogo321/article/details/106678151
