Python算法的时间复杂度和空间复杂度(实例解析)_时间复杂度 - CSDN文库

116 浏览量更新于2023-03-03 评论 4 收藏 47KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python算法的时间复杂度和空间复杂度算法的时间复杂度和空间复杂度(实例解析实例解析)

算法复杂度分为时间复杂度和空间复杂度。

其作用：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：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('Hello world') # O(1)

# O(1)

print('Hello World')

print('Hello Python')

print('Hello Algorithm')

for i in range(n): # O(n)

print('Hello world')

for i in range(n): # O(n^2)

for j in range(n):

print('Hello world')

for i in range(n): # O(n^2)

print('Hello World')

for j in range(n):

print('Hello World')

for i in range(n): # O(n^2)

for j in range(i):

print('Hello World')

for i in range(n):

for j in range(n):

for k in range(n):

print('Hello World') # O(n^3)

几次循环就是n的几次方的时间复杂度

n = 64

while n > 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)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n2logn)<O(n3)

空间复杂度空间复杂度

空间复杂度：用来评估算法内存占用大小的一个式子

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

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

weixin_38675506

粉丝: 4
资源: 931

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈