所謂的代碼復雜度，就是”快“和”省“的問題，快就是代碼算法運行的時間短，省就是代碼算法使用的內存少，也就是說，衡量代碼執行效率，主要有兩個維度，時間、空間復雜度

大 O 復雜度表示法

如何在不運行代碼的情況下，通過”肉眼“計算出一段代碼的執行時間

一段簡單的 Python 代碼，求1,2,3…n的累加和

1def?cal(n): 2??sum?=?0 3??for?i?in?range(n): 4????sum?+=?i 5??return?sum

對于上面的一段簡單代碼，我們輸入不同的 n 值，來看一下代碼執行的效果

n = 5

n = 10

其實上面的代碼實在是簡單，不用說也知道 n 不同時，代碼的執行過程是怎樣的

而我們這里要關注的重點是代碼的3、4行，當 n = 5 時，3、4行代碼執行了5遍，當 n = 10 時，又執行了10遍，其實我們依次類推可以知道，3、4行代碼永遠都是執行 n 遍，那么此時對于上面代碼的時間復雜度 T(n)，我們就可以表示為

T(n) = O(n)

這就是我們常常說的大 O 表示法

當然了，通過上面的描述，還是有一些抽象的，下面我們再通過一個小栗子來看一下

查找文件

比如我這里整理的編程類資源

經過多年的努力，終于學（收）會（集）了圖中的所有知識，那么如果某一天，我想寫一段代碼來查找 Dubbo 教程，應該如何實現呢

方法1

依次一個一個的查找

實現代碼為

1def?find_source(source_list,?name): 2????for?i?in?source_list: 3????????if?i?==?name: 4????????????return?i

這樣我們需要一直循環到文件夾26才可以找到 Dubbo 資源，當資源少的時候還可以如果是海量資源，那么效率太低了

方法2

從中間開始找，如果發現小了，就把左邊的都去掉，再在剩下的文件中往中間開始找，以此類推

這樣的二分查找，我們只需要在第五次查找的時候就拿到想要的資源

1def?find_source(source_list,?name):2????min?=?03????ma?=?len(source_list)-14????while?min?<=?max:5????????mid?=?(min+max)/26????????if?source_list[mid]?==?name:7????????????return?"get?source?at?%s"?%?mid8????????if?source_list[mid]?<?name:9????????????min?=?mid?+?1 10????????else: 11????????????max?=?mid?-?1 12????return?"no?source?here!"

可以清晰的看出，第二種方法快了很多，而且在資源數量越大的時候，越能體現

對于方法1，通過大 O 表示法可以表示為

T(n) = O(n)

對于方法2，通過大 O 表示法可以表示為

T(n) = O(logn)

很明顯，隨著 n 的增加，logn 會遠遠小于 n，也即是方法2的速度會遠遠快于方法1，這一點我們在上面的實踐當中也有了證明

當然對于常見的復雜度，還有如下這些

O(1), O(n), O(logn), O(nlogn), O(n^2)

一般來說，他們的排序順序是這樣的

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2)

最壞時間復雜度

我們再回到最開始的簡單代碼

1def?cal(n): 2??sum?=?0 3??for?i?in?range(n): 4????sum?+=?i 5??return?sum

可以簡單的把上述代碼分為兩塊，代碼行2和代碼行3、4
對于行2，復雜度為 O(1)，對于行3、4，復雜度為 O(n)，一般情況下，我們分析一段代碼的復雜度時，基本采用的是復雜度比較高的那一部分，也即是上述代碼的復雜度為 O(n)

這里其實還涉及到了兩個概念，就是最好情況時間復雜度和最壞情況時間復雜度，同樣可以看出，O(1) 就是最好情況時間復雜度，而 O(n) 就是最壞的情況

好了，以上就是今天我們要分享的內容，喜歡就給個”在看“吧

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載黃海廣老師《機器學習課程》視頻課黃海廣老師《機器學習課程》711頁完整版課件

本站qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【算法】五分钟快速了解代码复杂度的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。