1.讓我們了解大O符號的含義是什么?

在算法中執行許多操作。這些操作可能包括遍歷集合，復制項目或整個集合，將項目追加到集合中，在集合的開始或結尾處插入項目，刪除項目或更新集合中的項目。

Big-O衡量算法運算的時間復雜度。它測量算法計算所需運算所需的時間。盡管我們也可以測量空間復雜度(算法占用多少空間)，但本文將重點介紹時間復雜度。

用最簡單的術語來說，BigO表示法是一種基于輸入大小(稱為n)來衡量操作性能的方法。

2.BigO表示法有何不同?

我們需要熟悉許多常見的BigO符號。

讓我們考慮n為輸入集合的大小。就時間復雜度而言：

O(1)：無論您的集合有多大，執行操作所花費的時間都是恒定的。這是恒定的時間復雜度符號。這些操作盡可能快。例如，檢查集合內部是否有任何項目的操作是O(1)操作。

O(logn)：當集合的大小增加時，執行操作所花費的時間對數增加。這是對數時間復雜度表示法。潛在優化的搜索算法為O(logn)。

O(n)：執行操作所需的時間與集合中的項目數成線性正比。這是線性時間復雜度符號。就性能而言，這介于兩者之間或中等。作為一個實例，如果我們想對一個集合中的所有項目求和，那么我們將不得不遍歷該集合。因此，集合的迭代是O(n)操作。

(nlogn)：執行某項操作的性能是集合中項目數量的擬線性函數。這稱為準線性時間復雜度表示法。優化排序算法的時間復雜度通常為n(logn)。

O(n平方)：執行操作所需的時間與集合中項目的平方成正比。這稱為二次時間復雜度表示法。

(n!)：當在操作中計算集合的每個單個排列時，因此執行操作所需的時間取決于集合中項目的大小。這稱為階乘時間復雜度表示法。非常慢。

該圖像概述了Big-O符號。

O(1)很快。O(n平方)很慢。O(n!)非常慢。

大O符號是相對的。大O表示法與機器無關，忽略常量，并且被包括數學家，技術人員，數據科學家等在內的廣泛讀者所理解。

最佳，平均，最差情況

當我們計算操作的時間復雜度時，我們可以根據最佳，平均或最壞情況產生復雜度。

最佳情況方案：顧名思義，這是當數據結構和集合中的項目以及參數處于最佳狀態時的方案。例如，假設我們要在集合中找到一個項目。如果該項目恰好是集合的第一項，那么這是該操作的最佳情況。

平均情況是根據輸入值的分布定義復雜度。

最壞的情況是可能需要一種操作，該操作需要在大型集合(例如列表)中找到位于最后一個項目的項目，并且算法會從第一個項目開始對集合進行迭代。

以上內容為大家介紹了Python數據結構的時間復雜性，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。http://www.e7g2kmi.cn/