博客

数据结构和算法对于python而言是他的灵魂；程序是数据结构加上算法来实现的，对于任何一门编程语言都离不开数据结构和算法，但是对于python而言内置了基础的数据结构如列表、字典、集合等，再加上众多包，所以弱化了数据结构和算法的使用。

但是在一些特定领域对数据结构和算法的要求也很高，如大数据分析和人工智能之中应用广泛；同时数据结构和算法关系程序运行的效率，是每个程序员不得不考虑的问题。

本月专题是python数据结构和算法；数据结构将涉及顺序表、链表、堆栈、队列、树、二叉树、平衡二叉树、红黑树；算法将涉及排序算法(冒泡排序、选择排序、插入排序、快速排序、希尔排序、归并排序)、查找算法(顺序查找、二分法查找、二叉树查找、哈希查找)。

对于算法性能的衡量问题

算法性能的衡量不再是以运行开始到运行结束的时间来衡量，因为对于不同性能的计算机会产生不同的差异，所以算法的衡量主要以时间复杂度(以一种趋势和运算数量级来表示)。

时间复杂度：假设存在函数g，使得算法A处理规模为n的问题示例所用时间为T(n)=O(g(n))，则称O(g(n))为算法A的渐近时间复杂度，简称时间复杂度，记为T(n)，它主要以算法的趋势和数量级来看，如100*n的平方与1000*n的平方，他们的时间复杂度是相同的。

就像迭代输出一个n*n的多维数组，他的时间复杂度就是N*N即n的平方

python内置数据结构(列表、字典)的操作时间复杂度如下：