Python几种数据结构内置方法的时间复杂度

Posted 2021-02-02 朝花夕拾

参考：https://blog.csdn.net/baoli1008/article/details/48059623

注：下文中，’n’代表容器中元素的数量，’k’代表参数的值，或者参数的数量。

1.列表（list）

• 以完全随机的列表考虑平均情况。

• 列表是以数组（Array）实现的。

• 最大的开销发生在超过当前分配大小的增长，这种情况下所有元素都需要移动；或者是在起始位置附近插入或者删除元素，这种情况下所有在该位置后面的元素都需要移动。

• 如果需要在一个队列的两端进行增删的操作，应当使用collections.deque（双向队列）

• 操作	操作说明	时间复杂度（平均情况）	时间复杂度（最坏情况）
  index(value)	查找list某个元素的索引	O(1)	O(1)
  a=index(value)	索引赋值	O(1)	O(1)
  list[:]	列表复制	O(n)	O(n)
  list.append(value)	队尾添加	O(1)	O(1)
  list.insert(index, value)	根据索引插入某个元素	O(n)	O(n)
  list[index]	取元素	O(1)	O(1)
  list[index]=value	赋值	O(1)	O(1)
  list.pop()	队尾删除	O(1)	O(1)
  list.pop(index)	根据索引删除某个元素	O(n)	O(n)
  [i for i in list]	遍历/迭代	O(n)	O(n)
  list[m:n]	取切片	O(k)	O(k)
  del list[m:n]	删除切片	O(n)	O(n)
  list[m:n]=[n]	更改切片	O(k+n)	O(k+n)
  list.extend([])	列表扩展	O(k)	O(k)
  list.sort()	列表排序	O(nlogn)	O(nlogn)
  list*n	列表乘法	O(nk)	O(nk)
  i in list	列表搜索	O(n)
  min(list), max(list)	取最大和最小值	O(n)
  len(list)	计算长度	O(1)	O(1)

2.字典（dict）

• 下列字典的平均情况基于以下假设：
  • 对象的散列函数足够健壮（robust），不会发生冲突。
  • 字典的键是从所有可能的键的集合中随机选择的。

• 操作	操作说明	平均情况	最坏情况
  copy	复制	O(n)	O(n)
  dict[key]	取元素	O(1)	O(n)
  dict[key]=value	更新元素	O(1)	O(n)
  del dict[key]	删除元素	O(1)	O(n)
  [i for i in dict]	遍历字典	O(n)	O(n)
  i in dict	搜索元素	O(1)	O(1)

3.集合（set）

• 操作	操作说明	平均情况	最坏情况
  i in set	搜索元素	O(1)	O(n)
  set_1 | set_2	并集	O(len(set_1)+len(set_2))
  set_1 & set_2	交集	O(min(len(set_1), len(set_2))	O(len(set_1) * len(set_2))
  set_1 - set_2	差集	O(len(set_1))
  set.difference_update(set_2)	更新	O(len(set_2))
  set^t	对称差集	O(len(set))	O(len(set) * len(t))
  set.symmetric_difference_update(t)		O(len(t))	O(len(t) * len(set))

• 差集（set_1 - set_2，或set_1.difference(set_2)）运算与更新为差集（set_1.difference_uptate(set_2)）运算的时间复杂度并不相同：
  • 前者是将在set_1中，但不在set_2中的元素添加到新的集合中，因此时间复杂度为O(len(set_1))。
  • 后者是将在set_2中的元素从set_1中移除，因此时间复杂度为O(len(set_2))。