算法与数据结构
1. 算法
衡量一个算法好坏的指标
时间复杂度 O
衡量一个算法执行效率快慢的指标
- 问：有两个程序，哪个程序执行的效率更快？怎么比较？
答：使用time模块来进行比较。 - 问：使用time模块比较的前提是啥?
答：两个程序运行的硬件环境都要一样
因此，使用time模块来进行比较，就不太合适了。所以，我们使用程序执行的大概次数来表示时间复杂度，使用O()记
如何一眼判断时间复杂度？
- 循环减半的过程O(logn)
- 几次循环就是n的几次方的复杂度
空间复杂度
当前程序运行的时候, 是否需要向操作系统额外的申请内存空间
现阶段，由于内存非常的便宜。所以写程序的时候，也不是特别的要考虑是否节省内存。微博，内存最大 196G
算法
冒泡排序
#### 最坏时间复杂度是：O(n^2) 最优的时间复杂度是：O(n)
def bubble_sort(li):
for i in range(len(li)-1):
flag = True
for j in range(len(li) - i - 1):
if li[j] > li[j+1]:
li[j], li[j+1] = li[j+1], li[j]
flag = False
if flag:
return
选择排序
#### 时间复杂度：O(n^2)
def select_sort(li):
for i in range(len(li)):
minLoc = i
for j in range(i+1, len(li)):
if li[j] < li[minLoc]:
li[j], li[minLoc] = li[minLoc], li[j]
插入排序
### 时间复杂度：O(n^2)
def insert_sort(li):
for i in range(1, len(li)):
tmp = li[i] #i=2 tmp=4
j = i - 1 #j=1 li[j]=7
while j>=0 and li[j] > tmp:
li[j+1] = li[j] ### li[2] = li[1]=7 [5,7,7,6,3,1,2,9,8]
j = j - 1 ## j=0
li[j+1] = tmp
快速排序
#### 时间复杂度：O(nlogn)
def partition(li, left, right): #### O(n)
tmp = li[left]
while left < right:
while left < right and li[right] >= tmp:
right = right - 1
li[left] = li[right]
while left < right and li[left] <= tmp:
left = left + 1
li[right] = li[left]
li[left] = tmp
return left
def quick_sort(li, left, right):
if left < right:
mid = partition(li, left, right)
quick_sort(li, left, mid-1) ### O(logn)
quick_sort(li, mid+1, right)
查找
- 顺序查找
- 二分查找 （字节跳动）
数据结构
- 线性结构
- 数组 (列表)
- 链表
- 线性结构的应用
- 队列
- 栈
- 非线性结构
- 树
- 一般树
- 二叉树
- 完全二叉树
- 满二叉树
- 森林
- 树