寒假整理6：Python数算课件List和Dict基本操作的大O数量级

最新推荐文章于 2021-06-01 18:03:56 发布
最新推荐文章于 2021-06-01 18:03:56 发布
阅读量507 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： Python数算课系列
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/BeerBread134/article/details/86999985
本文深入探讨了Python中List和Dict的数据结构性能，包括不同操作的时间复杂度，如索引访问、追加、添加、弹出等，并分析了这些操作在实际应用中的效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

List

v= a[i], a[i]= v（按索引取值和赋值）：执行时间为O(1)（随机访问特性）

lst.append(v)（append函数列表增长）：执行时间为O(1)

lst= lst+ [v]（__add__函数列表增长）：执行时间为O(n+k)，其中k是被加的列表长度

pop()（从列表末尾移除元素）：执行时间为O(1)

pop(i)（从列表中部移除元素）：执行时间为O(n)

 

Dict

取值赋值操作：执行时间为O(1)

判断是否存在某个关键码：执行时间为O(1)

python:实现二进制转十六进制算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
07-19 2902
python:实现二进制转十六进制算法(附完整源码)
证明python的列表索引运算符是否为O(1)
weixin_38941612的博客
06-20 1646
最近在和道友的交流中遇到了这样一个问题，怎么证明python的列表索引运算符是否为O(1)呢？ 在这里想和大家分享下这个到底应该怎么证明？ 想必大家都知道算法的复杂度分为时间复杂度和空间复杂度，我们这里以时间复杂度为例来解释下这个问题。 也就是我们要证明列表索引时，无论列表是什么样，无论执行什么样的列表索引操作，算法的执行时间是恒定的，这样我们才能称之为具有O(1)的时间复杂度 下面我们来设计下如何证明 1 首先我们设计三个list，其长度分别为10，10000，100000 2分别从三个列表中
python两种内置数据类型（列表list和字典dict）上各个操作的大O数量级
weixin_38324954的博客
07-01 421
python两种内置数据类型（列表list和字典dict）上各个操作的大O数量级 1.对比list和dict操作 2.list列表数据类型常用操作性能 (1)按索引取值和赋值（v=a[i],a[i]=v） 由于列表的随机访问特性，这两个操作执行时间与列表大小无关，均为O(1) (2)列表增长，可以选择append()和“+” list.append(v)，执行时间是O(1) lst=lst+[v],执行时间是O(n+k),其中k是被加的列表长度。 3.dict字典数据类型常用操作性能 字典与列表不同，根
Python 基本数据结构的大“O”表示
gdsfga的博客
03-08 862
当你学习算法时，一些常见的数量级函数将会反复出现。见 Table 1。为了确定这些函数中哪个是最主要的部分，我们需要看到当 n 变大的时候它们如何相互比较。 随着 n 的增长这些数量级函数的变化趋势图如下： List 基本操作 Dict 操作...
列表[List]基本操作
qq_30200051的博客
07-29 333
List列表基本操作append 追加，无返回值>>> x=[1,2,3] >>> x.append('4') >>> x [1, 2, 3, '4']extend 末尾追加另一个list>>> x=[1,2,3] >>> y=[4,5] >>> x.extend(y) >>> x [1, 2, 3, 4, 5] >>> y [4, 5] >>> insert 插入>>> x=[1,2,3] >>>
数据结构 王争 3 |复杂度分析（上）：如何分析、统计算法的执行效率和资源消耗？
GhostintheCode的博客
12-15 1138
总结 一、什么是复杂度分析？ 1.数据结构和算法解决是“如何让计算机更快时间、更省空间的解决问题”。 2.因此需从执行时间和占用空间两个维度来评估数据结构和算法的性能。 3.分别用时间复杂度和空间复杂度两个概念来描述性能问题，二者统称为复杂度。 4.复杂度描述的是算法执行时间（或占用空间）与数据规模的增长关系。 二、为什么要进行复杂度分析？ 1.和性能测试相比，复杂度分析有不依赖执行环境、成本低、...
python算法——大O表示法
HighnessY的博客
10-24 2809
大O表示法 大O表示法指出了算法的速度有多快 它的好处在于，当我们引用别人的算法时，了解了它的大O表示法会对我们大有益处。（一般情况下用处不大，但了解总是好的） 不同的大O运行时间 当要找出一堆数中最大的数时： 1.遍历所有的数 2.找出最大数 n = [1, 3, 5, 7, 9] for k in n: Max = 0 if Max < k: Max...
北京大学数算课程2021年大作业技术组：星际群落+python源码+文档说明（高分作品）
12-07
- 不懂运行，下载完可以私聊问，可远程教学 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的...
北大xzm老师python数算上机作业
最新发布
08-08
资源下载链接为： https://pan.quark.cn/s/c53411823930 北大xzm老师python数算上机作业（最新、最全版本！打开链接下载即可用！）
20210527-华泰证券-基础材料行业：_数算有色行业景气.pdf
05-27
华泰证券最新发布的研究报告，深入剖析了2021年有色金属行业的整体景气度，为投资者提供了详细的数据分析和行业趋势预测。 报告中指出，2021年下半年及2022年的有色金属市场行情可能会出现明显分化。基本金属如铜、...
数据结构团队作业：数算大作业
02-15
数据结构是计算机科学中的核心课程，它探讨了如何有效地存储、组织和操作数据。在这个名为“数据结构团队作业：数算大作业”的项目中，我们可以想象这是一个针对2020年春季学期“数据结构与算法（B）”课程的团队...
数据结构与算法(1)：大O表示法
_2312
06-01 2015
简述算法分析，并详细介绍大O表示法。
利用python理解时间复杂度，以及list、dict常用操作的时间复杂度
meng_xin_true的博客
12-12 2108
算法时间复杂度的定义 在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间度量，记作：T(n) = O(f(n))。它表示随问题规模n的增大，算法的执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。 （关键就是需要知道执行次...
学习笔记:[算法分析]数据结构与算法Python版
笑花大王
02-29 497
什么是算法分析 对比程序，还是算法？ ❖如何对比两个程序？ 　　看起来不同，但解决同一个问题的程序，哪个“ 更好”？ ❖程序和算法的区别 　　算法是对问题解决的分步描述 程序则是采用某种编程语言实现的算法，同一个 算法通过不同的程序员采用不同的编程语言，能 产生很多程序 大O表示法 算法时间度量指标 ❖ 一个算法所实施的操作数量或步骤数可作为 独立于具体程序/机器的度量指标 哪...
数据结构与算法python第六天
Leopold的博客
09-23 356
python数据类型的性能（下） List.pop的计时实验 操作：pop( )从列表末尾移除元素, O(1) 操作：pop(i)从列表中移除元素, O(n) Python所选择的实现方法 从中间移除元素，要把移除元素后面的元素全部向前挪位复制一遍，看起来笨拙，这种方法能够保证按索引取值和赋值的操作很快，达到O(1),这也是一种对常用和不常用操作的折衷方案 两种情况下的pop操作来实际计时对比 相对同一个大小的List,分别调用pop( )和pop(0) 对不同大小的List做计时时，期望的结果是 ·
数据结构1：大O表示法
xddwz的博客
08-16 2278
一个算法所实施的操作数量或步骤数可作为独立于具体程序/机器的度量指标，就是说算法执行的操作的步骤数。 那么问题来了，这个操作选择什么比较好呢？因为这个操作可以是赋值语句，也可以是其它的。 其实主要就是用的赋值语句，为什么呢？原因主要有以下几点： 一条赋值语句同时包含了（表达式）计算和（变量）存储两个基本资源，而计算机主要干的事情就是计算和存储。 仔细观察程序设计语言特性，除了与计算资源无关的定义语句外，主要就是三种控制流语句和赋值语句，而控制流仅仅起了组织语句的作用，并不实施处理。 例如： def
大O表示法(复杂度分析)
热门推荐
wangxiaolong的博客
11-17 2万+
程序 = 数据结构+ 算法 大O表示法 什么是程序？相信学过编程的人都知道，程序由数据结构和算法构成，想要写出好的的程序，首先得了解数据结构和算法。一切脱离数据结构和算法的程序设计都是耍流氓! 什么样的程序才是好的程序？好的程序设计无外乎两点，"快"和"省"。"快"指程序执行速度快，高效，"省"指占用更小的内存空间。这两点其实就对应"时间复杂度"和"空间复杂度"的问题。 怎样分析一...
大O表示法
lhaniey的博客
10-03 1576
转载：https://blog.youkuaiyun.com/Max__Payne/article/details/1872906 一. 简介 做了几年程序，感觉基本的东西很多还不熟悉，所以重新补充数据结构知识。 1.1 大O表示法 上学的时候就学习了大O表示法表示一个算法的效率，也大概明白怎么回事，知道如果没有循环的一段程序的复杂度是常数，一层循环的复杂度是O(n),两层循环的复杂度是O(n^2...
python数算二叉搜索树的节点删除
03-28
### 如何在 Python 中实现二叉搜索树节点的删除操作 以下是基于提供的引用内容以及专业知识，给出的一个完整的 Python 实现方案： #### 节点类定义 为了构建二叉搜索树 (Binary Search Tree, BST)，首先需要定义一个 `Node` 类来表示单个节点。 ```python class Node: def __init__(self, key): self.left = None self.right = None self.val = key ``` #### 二叉搜索树类定义 接着，创建一个用于管理整棵树的类 `BinarySearchTree`。此部分参考了相关内容[^2]。 ```python class BinarySearchTree: def __init__(self): self.root = None ``` #### 插入方法 插入新节点的操作遵循标准的二叉搜索树规则：左子节点值小于父节点值，右子节点值大于父节点值。 ```python def insert(self, node, val): if not node: return Node(val) if val < node.val: node.left = self.insert(node.left, val) elif val > node.val: node.right = self.insert(node.right, val) return node ``` #### 查找最小值函数 删除过程中可能需要用到寻找某个节点的后继（即其右子树中最左侧的叶子），这部分可以单独封装成辅助函数。 ```python def find_min(self, node): current = node while(current.left is not None): current = current.left return current ``` #### 删除节点的核心逻辑 删除分为三种情况讨论： 1. **目标节点无任何子节点** —— 直接移除； 2. **目标节点只有一个子节点** —— 将该子节点提升至被删位置； 3. **目标节点有两个子节点** —— 找到右子树中的最小值替代当前节点，并递归地从原位置删除这个最小值节点。 具体代码如下所示： ```python def delete_node(self, root, key): if not root: return root # 如果键值小于根节点，则继续向左子树查找并执行删除动作 if key < root.val: root.left = self.delete_node(root.left, key) # 同理对于右侧的情况也是如此处理 elif(key > root.val): root.right = self.delete_node(root.right, key) else: # 当前节点正好是要删除的目标对象时进入下面分支判断 if root.left is None : temp = root.right root = None return temp elif root.right is None : temp = root.left root = None return temp # 若存在两个孩子结点的话就取右边最小子作为新的顶替者 temp = self.find_min(root.right) # 把那个找到的小孩赋给现在的root的位置上 root.val = temp.val # 接着再把原先那条路径上的重复元素去掉即可完成整体流程 root.right = self.delete_node(root.right , temp.val) return root ``` 以上就是整个删除过程的具体实现方式[^1]。 #### 测试用例 最后提供一段简单的测试脚本验证上述功能是否正常工作。 ```python if __name__ == "__main__": bst = BinarySearchTree() keys = [50, 30, 70, 20, 40, 60, 80] for key in keys: bst.root = bst.insert(bst.root, key) print("Inorder traversal of the constructed tree:") # Assume an inorder function exists here to display elements. print("\nDelete 20") bst.root = bst.delete_node(bst.root, 20) # Again assume a method prints updated structure after deletion. ``` --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

陶晨毅

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值