什么是数据结构，什么是算法，他们之间的关系，抽象数据类型
数据结构：
逻辑形式
集合，线性，树形，图型
算法
数据结构+算法 == 程序，也就是业务需求
举例子：天天生鲜中的图片，商品信息，用户信息这些数据，有各自的组织方式，存储起来，单个的数据是没有意义的，将它们放在需求场景中–开发一个可以访问的，可以购买东西的网站 。数据就有了意义，处理这些数据完成一些功能，如将数据图片存储到fastDFS中的思路和方法就是算法。
如果a+b+c=1000,且a^2+b^2=c^2(a,b,c为自然数)，求出所有a,b,c的组合？
思路：
代码实现：
算法1
import time
start_time = time.time()
for a in range(1001):
for b in range(1001):
for c in range(1001):
if a+b+c==1000 and a**2+b**2==c**2:
print("满足条件的a,b,c=%d,%d,%d" % (a,b,c))
end_time = time.time()
time_cost = end_time-start_time
print('算法1消耗的时间为：%f'%time_cost)
print('complete')
结果：
算法2
import time
# 猜两个数字
start_time = time.time()
for a in range(1001):
for b in range(1001):
c = 1000-a-b
if a**2+b**2==c**2:
print("满足条件的a,b,c=%d,%d,%d" % (a, b, c))
end_time = time.time()
time_cost = end_time-start_time
print('算法2消耗的时间为：%f'%time_cost)
print('complete')
结果：
满足条件的a,b,c=0,500,500
满足条件的a,b,c=200,375,425
满足条件的a,b,c=375,200,425
满足条件的a,b,c=500,0,500
算法2消耗的时间为：1.842306
complete
平均时间复杂度：算法完成需要的多少基本操作–没有意义
工作中跟老板谈的时候，要谈最坏时间复杂度
分支结构
多分支if语句，找一个时间最长的作为标准时间
算法1的时间复杂度：T(n)1 = n^3 算法2的时间复杂度：T(n)2 = n^2 n^2<n^3 算法2的时间复杂度更低一点，则算法2的效率高一点 5log2^n+4 O(logn) 对数阶
时间复杂度函数的图形的趋势越陡，时间复杂度越高
timeit模块是一个用来测试一小段代码的执行速度的模块
核心代码：
代码1：
class timeit.Timer(stmt='pass', setup='pass', timer=
代码2：
timeit.Time.timeit(number=10000)
代码1详解：
示例：
time1 = timeit.Time("fun1", "from __main__ import func1")
返回执行次数的平均时间，是一个float的秒数
示例：
timeit.Timer.timeit(number=10000)
需求：给一个列表里添加1000个数字
方法（算法）
代码：
列表的内置属性：list.append()
import timeit
def T1():
li = []
for i in range(1000):
li.append(i)
timer1 = timeit.Timer("T1()","from __main__ import T1")
print("内置属性: %f seconds" % timer1.timeit(number=1000))
内置属性: 0.234965 seconds列表拼接：list1 + list2
import timeit
def T2():
li = []
for i in range(1000):
li = li + [i]
timer2 = timeit.Timer("T2()","from __main__ import T2")
print("列表拼接: %f seconds" % timer2.timeit(number=1000))
列表拼接: 4.817975 seconds列表推导式：[i for i in range()]
import timeit
def T3():
li = [i for i in range(1000)]
timer3 = timeit.Timer("T3()","from __main__ import T3")
print("列表推导: %f seconds" % timer3.timeit(number=1000))
列表推导: 0.085915 seconds列表属性转换：list(range())
import timeit
def T4():
list=list(range(1000))
timer3 = timeit.Timer("T4()", "from __main__ import T4")
print("列表属性：%f second"%timer3.timeit(1000))
属性转换: 0.042624 seconds
存储表信息与元素存储区以连续的方式安排在一块存储块里，形成了一个完整的顺序表对象。
特点：
顺序表对象里保存的基本信息（地址容量+元素个数）和元素存储空间的一个逻辑地址，通过逻辑地址找到响应数据的真正地址。
特点：灵活，可以随意调整
我们在设定数据表的时候，会首先申请我要使用的存储空间。而存储空间不是一成不变的。接下来，我们来介绍一下元素存储内容变化时顺序表的变化。
存储内容的变化，无非是少或者多，少会造成存储空间的浪费，多的话，存储空间发生变化。 我们接下来主要是对存储内容更改或者存储内容大于计划空间的这两种情况进行分析。
一体式：
存储空间一旦大于计划容量，若要存储更多内容，只能整体搬迁，即整个顺序表对象（指存储书序表的结构信息的区域）改变了
示例：
分离式：
可以看到倍数增长的方式是空间换时间，因为目前的空间代价越来越小，所以我们工作中推荐使用倍数增长的方式来调整容量空间
单一元素的值就是顺序表
乱插：非保序增加，不推荐使用，不容易控制
时间复杂度：
京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有