Đó là tuyến tính, bởi vì danh sách lớn hơn cần nhiều thời gian và bộ nhớ hơn để chuyển đổi.
Đồ thị được tạo bằng cách sử dụng perfplot. Mã, để tham khảo:
import numpy as np
import perfplot
perfplot.show[
setup=lambda n: np.random.choice[100, n].tolist[],
kernels=[
lambda lst: [str[x] for x in lst],
lambda lst: list[map[str, lst]],
],
labels=['[str[x] for x in lst]', 'list[map[str, lst]]'],
n_range=[2**k for k in range[0, 20]],
xlabel='N',
logx=True,
logy=True,
equality_check=None]
Độ phức tạp thời gian chung để chuyển đổi danh sách thành một tập hợp là O [n], trong đó n đại diện cho số lượng các phần tử trong danh sách. Một câu hỏi có thể phát sinh là làm thế nào chúng ta biết nếu độ phức tạp thời gian có sẵn là o [n]. Chúng tôi sẽ tìm ra nó! Độ phức tạp thời gian trong một tập hợp để thêm/xóa các phần tử là O [1].
Len O 1 Python có phải không?
Do đó, chức năng Len [] trong Python chạy trong độ phức tạp O [1]. Lưu ý: Điều này có vẻ rất có lợi, nhưng hãy nhớ rằng nó đặt một gánh nặng đáng chú ý cho trình thông dịch trong giai đoạn định nghĩa dữ liệu. Đây là một trong nhiều lý do tại sao Python chậm hơn trong quá trình lập trình cạnh tranh, đặc biệt là với các đầu vào lớn.
Độ phức tạp về thời gian của việc cắt chuỗi trong Python là gì?
O [n] trong đó n là chiều dài của lát cắt. Cắt lát chỉ là một phần sao chép của danh sách, vì vậy độ phức tạp của thời gian giống như bản sao.
Câu trả lời đơn giản là: nó phụ thuộc.
Không có ý nghĩa gì khi nói về "độ phức tạp thời gian". Bạn luôn nói về độ phức tạp về thời gian trong một mô hình máy cụ thể và với một mô hình chi phí cụ thể.
Độ phức tạp thời gian chung để chuyển đổi danh sách thành một tập hợp là O [n], trong đó n đại diện cho số lượng các phần tử trong danh sách. Một câu hỏi có thể phát sinh là làm thế nào chúng ta biết nếu độ phức tạp thời gian có sẵn là o [n]. Chúng tôi sẽ tìm ra nó! Độ phức tạp thời gian trong một tập hợp để thêm/xóa các phần tử là O [1].
Len O 1 Python có phải không?
Do đó, chức năng Len [] trong Python chạy trong độ phức tạp O [1]. Lưu ý: Điều này có vẻ rất có lợi, nhưng hãy nhớ rằng nó đặt một gánh nặng đáng chú ý cho trình thông dịch trong giai đoạn định nghĩa dữ liệu. Đây là một trong nhiều lý do tại sao Python chậm hơn trong quá trình lập trình cạnh tranh, đặc biệt là với các đầu vào lớn.
Độ phức tạp về thời gian của việc cắt chuỗi trong Python là gì?
O [n] trong đó n là chiều dài của lát cắt. Cắt lát chỉ là một phần sao chép của danh sách, vì vậy độ phức tạp của thời gian giống như bản sao.
Hoạt động | Trường hợp trung bình | Đã khấu hao trường hợp xấu nhất |
Trang này ghi lại sự phức tạp về thời gian [hay còn gọi là "Big O" hoặc "Big OH"] của các hoạt động khác nhau trong Cpython hiện tại. Các triển khai Python khác [hoặc các phiên bản phát triển cũ hơn hoặc vẫn còn dưới của CPython] có thể có các đặc điểm hiệu suất hơi khác nhau. Tuy nhiên, nhìn chung là an toàn khi cho rằng chúng không chậm hơn so với hệ số O [log n]. | Trên] | Trên] |
Sao chép [3] | O [1] | O [1] |
Trên] | O [1] | O [1] |
Trên] | Trên] | Trên] |
Sao chép [3] | Trên] | Trên] |
Sao chép [3] | O [1] | O [1] |
Nhận mục | O [1] | O [1] |
Sao chép [3] | Trên] | Trên] |
Nhận mục | Trên] | Trên] |
Đặt mục [1] | Xóa mục | Xóa mục |
Lặp lại [3] | Trên] | Trên] |
Ghi chú | [1] = Các hoạt động này dựa vào phần "khấu hao" của "trường hợp xấu nhất được khấu hao". Các hành động cá nhân có thể mất nhiều thời gian đáng ngạc nhiên, tùy thuộc vào lịch sử của container. | [1] = Các hoạt động này dựa vào phần "khấu hao" của "trường hợp xấu nhất được khấu hao". Các hành động cá nhân có thể mất nhiều thời gian đáng ngạc nhiên, tùy thuộc vào lịch sử của container. |
. Các yếu tố N - K phải được di chuyển, vì vậy hoạt động là O [N - K]. Trường hợp tốt nhất là xuất hiện phần tử thứ hai đến cuối cùng, đòi hỏi một động tác, trường hợp xấu nhất là xuất hiện yếu tố đầu tiên, liên quan đến N - 1 di chuyển. Trường hợp trung bình cho giá trị trung bình của K đang xuất hiện phần tử ở giữa danh sách, thực hiện các thao tác O [n/2] = O [n]. | Xóa mục | Xóa mục |
Lặp lại [3] | Ghi chú | Ghi chú |
[1] = Các hoạt động này dựa vào phần "khấu hao" của "trường hợp xấu nhất được khấu hao". Các hành động cá nhân có thể mất nhiều thời gian đáng ngạc nhiên, tùy thuộc vào lịch sử của container. | . Các yếu tố N - K phải được di chuyển, vì vậy hoạt động là O [N - K]. Trường hợp tốt nhất là xuất hiện phần tử thứ hai đến cuối cùng, đòi hỏi một động tác, trường hợp xấu nhất là xuất hiện yếu tố đầu tiên, liên quan đến N - 1 di chuyển. Trường hợp trung bình cho giá trị trung bình của K đang xuất hiện phần tử ở giữa danh sách, thực hiện các thao tác O [n/2] = O [n]. | . Các yếu tố N - K phải được di chuyển, vì vậy hoạt động là O [N - K]. Trường hợp tốt nhất là xuất hiện phần tử thứ hai đến cuối cùng, đòi hỏi một động tác, trường hợp xấu nhất là xuất hiện yếu tố đầu tiên, liên quan đến N - 1 di chuyển. Trường hợp trung bình cho giá trị trung bình của K đang xuất hiện phần tử ở giữa danh sách, thực hiện các thao tác O [n/2] = O [n]. |
[3] = Đối với các hoạt động này, trường hợp xấu nhất N là kích thước tối đa mà container từng đạt được, thay vì chỉ kích thước hiện tại. Ví dụ: nếu các đối tượng N được thêm vào từ điển, thì N-1 sẽ bị xóa, từ điển vẫn sẽ được kích thước cho các đối tượng N [ít nhất] cho đến khi một lần chèn khác được thực hiện. | Trên] | |
Sự phức tạp về thời gian của danh sách trong Python là gì? | Trên] | |
Độ phức tạp thời gian trung bình của toán tử trong danh sách là O [N]. Nó trở nên chậm hơn khi có nhiều yếu tố. Thời gian thực hiện thay đổi rất nhiều tùy thuộc vào vị trí của giá trị cần tìm. Phải mất nhiều thời gian nhất khi giá trị của nó ở cuối hoặc không tồn tại. | O [1] | O [1] |
collections.deque
Độ phức tạp thời gian của danh sách chuyển đổi thành gì để đặt Python là gì?
Hoạt động | Trường hợp trung bình | Đã khấu hao trường hợp xấu nhất |
Trang này ghi lại sự phức tạp về thời gian [hay còn gọi là "Big O" hoặc "Big OH"] của các hoạt động khác nhau trong Cpython hiện tại. Các triển khai Python khác [hoặc các phiên bản phát triển cũ hơn hoặc vẫn còn dưới của CPython] có thể có các đặc điểm hiệu suất hơi khác nhau. Tuy nhiên, nhìn chung là an toàn khi cho rằng chúng không chậm hơn so với hệ số O [log n]. | Trên] | Trên] |
Nói chung, 'n' là số lượng các yếu tố hiện tại trong container. 'K' là giá trị của một tham số hoặc số lượng phần tử trong tham số. | O [1] | O [1] |
danh sách | O [1] | O [1] |
Trường hợp trung bình giả định các tham số được tạo ra đồng đều một cách ngẫu nhiên. | O [1] | O [1] |
Trong nội bộ, một danh sách được biểu diễn dưới dạng một mảng; Các chi phí lớn nhất đến từ việc tăng vượt quá quy mô phân bổ hiện tại [vì mọi thứ phải di chuyển] hoặc từ việc chèn hoặc xóa ở đâu đó gần đầu [vì mọi thứ sau đó phải di chuyển]. Nếu bạn cần thêm/xóa ở cả hai đầu, hãy xem xét sử dụng một bộ sưu tập.Deque thay thế. | O [1] | O [1] |
Sao chép | Xóa mục | Xóa mục |
Lặp lại [3] | Xóa mục | Xóa mục |
Lặp lại [3] | Xóa mục | Xóa mục |
Lặp lại [3] | Trên] | Trên] |
Ghi chú
[1] = Các hoạt động này dựa vào phần "khấu hao" của "trường hợp xấu nhất được khấu hao". Các hành động cá nhân có thể mất nhiều thời gian đáng ngạc nhiên, tùy thuộc vào lịch sử của container.
Hoạt động | . Các yếu tố N - K phải được di chuyển, vì vậy hoạt động là O [N - K]. Trường hợp tốt nhất là xuất hiện phần tử thứ hai đến cuối cùng, đòi hỏi một động tác, trường hợp xấu nhất là xuất hiện yếu tố đầu tiên, liên quan đến N - 1 di chuyển. Trường hợp trung bình cho giá trị trung bình của K đang xuất hiện phần tử ở giữa danh sách, thực hiện các thao tác O [n/2] = O [n]. | [3] = Đối với các hoạt động này, trường hợp xấu nhất N là kích thước tối đa mà container từng đạt được, thay vì chỉ kích thước hiện tại. Ví dụ: nếu các đối tượng N được thêm vào từ điển, thì N-1 sẽ bị xóa, từ điển vẫn sẽ được kích thước cho các đối tượng N [ít nhất] cho đến khi một lần chèn khác được thực hiện. | Sự phức tạp về thời gian của danh sách trong Python là gì? |
[3] = Đối với các hoạt động này, trường hợp xấu nhất N là kích thước tối đa mà container từng đạt được, thay vì chỉ kích thước hiện tại. Ví dụ: nếu các đối tượng N được thêm vào từ điển, thì N-1 sẽ bị xóa, từ điển vẫn sẽ được kích thước cho các đối tượng N [ít nhất] cho đến khi một lần chèn khác được thực hiện. | O [1] | Trên] | |
Sự phức tạp về thời gian của danh sách trong Python là gì? | O[len[s]+len[t]] | ||
Độ phức tạp thời gian trung bình của toán tử trong danh sách là O [N]. Nó trở nên chậm hơn khi có nhiều yếu tố. Thời gian thực hiện thay đổi rất nhiều tùy thuộc vào vị trí của giá trị cần tìm. Phải mất nhiều thời gian nhất khi giá trị của nó ở cuối hoặc không tồn tại. | Độ phức tạp thời gian của danh sách chuyển đổi thành gì để đặt Python là gì? | Độ phức tạp thời gian chung để chuyển đổi danh sách thành một tập hợp là O [n], trong đó n đại diện cho số lượng các phần tử trong danh sách. Một câu hỏi có thể phát sinh là làm thế nào chúng ta biết nếu độ phức tạp thời gian có sẵn là o [n]. Chúng tôi sẽ tìm ra nó! Độ phức tạp thời gian trong một tập hợp để thêm/xóa các phần tử là O [1]. | Len O 1 Python có phải không? |
Do đó, chức năng Len [] trong Python chạy trong độ phức tạp O [1]. Lưu ý: Điều này có vẻ rất có lợi, nhưng hãy nhớ rằng nó đặt một gánh nặng đáng chú ý cho trình thông dịch trong giai đoạn định nghĩa dữ liệu. Đây là một trong nhiều lý do tại sao Python chậm hơn trong quá trình lập trình cạnh tranh, đặc biệt là với các đầu vào lớn. | Độ phức tạp về thời gian của việc cắt chuỗi trong Python là gì? | ||
O [n] trong đó n là chiều dài của lát cắt. Cắt lát chỉ là một phần sao chép của danh sách, vì vậy độ phức tạp của thời gian giống như bản sao. | Trang này ghi lại sự phức tạp về thời gian [hay còn gọi là "Big O" hoặc "Big OH"] của các hoạt động khác nhau trong Cpython hiện tại. Các triển khai Python khác [hoặc các phiên bản phát triển cũ hơn hoặc vẫn còn dưới của CPython] có thể có các đặc điểm hiệu suất hơi khác nhau. Tuy nhiên, nhìn chung là an toàn khi cho rằng chúng không chậm hơn so với hệ số O [log n]. | ||
Nói chung, 'n' là số lượng các yếu tố hiện tại trong container. 'K' là giá trị của một tham số hoặc số lượng phần tử trong tham số. | danh sách | ||
Trường hợp trung bình giả định các tham số được tạo ra đồng đều một cách ngẫu nhiên. | Trang này ghi lại sự phức tạp về thời gian [hay còn gọi là "Big O" hoặc "Big OH"] của các hoạt động khác nhau trong Cpython hiện tại. Các triển khai Python khác [hoặc các phiên bản phát triển cũ hơn hoặc vẫn còn dưới của CPython] có thể có các đặc điểm hiệu suất hơi khác nhau. Tuy nhiên, nhìn chung là an toàn khi cho rằng chúng không chậm hơn so với hệ số O [log n]. | O [len [s] * len [t]] | |
s.symmetric_difference_update [t] | O [Len [T]] | O [len [t] * len [s]] |
Như đã thấy trong mã nguồn, sự phức tạp đối với việc đặt chênh lệch s-t hoặc s.diferference [t] [set_diferference []] và đặt tại chỗ khác biệt s.difference_update [t] [set_difference_update_iNternal []] là khác nhau! Phần đầu tiên là O [Len [S]] [cho mọi phần tử trong S, hãy thêm nó vào bộ mới, nếu không ở T]. Phần thứ hai là O [len [t]] [cho mọi phần tử trong T loại bỏ nó khỏi S]. Vì vậy, phải cẩn thận như được ưa thích, tùy thuộc vào bộ nào là bộ dài nhất và liệu một bộ mới có cần thiết hay không.
- Để thực hiện các hoạt động đã đặt như S-T, cả S và T cần phải được đặt. Tuy nhiên, bạn có thể thực hiện các phương thức tương đương ngay cả khi t là bất kỳ điều gì có thể lặp lại, ví dụ như s.difference [l], trong đó l là một danh sách.
DIGN
Thời gian trường hợp trung bình được liệt kê cho các đối tượng dict cho rằng hàm băm cho các đối tượng là đủ mạnh để làm cho các va chạm trở nên không phổ biến. Trường hợp trung bình giả định các khóa được sử dụng trong các tham số được chọn đồng đều một cách ngẫu nhiên từ tập hợp tất cả các khóa.
Lưu ý rằng có một con đường nhanh cho các dicts rằng [trong thực tế] chỉ đối phó với các phím STR; Điều này không ảnh hưởng đến độ phức tạp của thuật toán, nhưng nó có thể ảnh hưởng đáng kể đến các yếu tố không đổi: kết thúc chương trình điển hình nhanh như thế nào.
Hoạt động | Trường hợp trung bình | Đã khấu hao trường hợp xấu nhất |
tốt bụng | O [1] | Trên] |
Sao chép [3] | Trên] | Trên] |
Sao chép [3] | O [1] | Trên] |
Sao chép [3] | O [1] | Trên] |
Sao chép [3] | O [1] | Trên] |
Sao chép [3] | Trên] | Trên] |
Sao chép [3]
Nhận mục
Đặt mục [1]k from a list of size n shifts all elements after k by one slot to the left using memmove. n - k elements have to be moved, so the operation is O[n - k]. The best case is popping the second to last element, which necessitates one move, the worst case is popping the first element, which involves n - 1 moves. The average case for an average value of k is popping the element the middle of the list, which takes O[n/2] = O[n] operations.
Xóa mục