23、Python算法优化与多线程编程实战

Python算法优化与多线程编程实战

1. 算法复杂度与数据结构选择

在优化算法时，理解和处理算法复杂度是关键。Big - O表示法是衡量算法复杂度的重要工具，但它存在一定局限性：
- 计算存在近似性 ：Big - O的计算只是一种近似，不能精确反映算法在所有情况下的性能。
- 适用范围有限 ：仅对不依赖外部资源的纯Python代码准确。当无法计算算法复杂度，如包含难以分析的C代码时，可以使用 timeit 或 profile 装饰器，并提供足够的输入数据来测试算法效率。

为了降低算法复杂度，合理选择数据结构至关重要。以下是一些具体示例：

1.1 列表搜索优化

如果需要对列表进行搜索，对排序后的列表使用二分查找可以将复杂度从$O(n)$降低到$O(log n)$。可以使用 bisect 模块实现，代码如下：

import bisect

def find(seq, el):
    pos = bisect.bisect(seq, el)
    if pos==0 or (pos==len(seq) and seq[-1]!=el):
        return -1
    return pos - 1

seq = [2, 3, 7, 8, 9]
print(find(seq, 9))  # 输出: 4
print(find(seq, 10)) # 输出: -1
print(find(