python - 这三种解决方案的时间复杂度是多少?
问题描述
我有这三个 Leetcode 问题的解决方案,但并不真正理解这里时间复杂度的差异。为什么最后一个函数的速度是第一个函数的两倍?
68 毫秒def numJewelsInStones(J, S):
count=0
for s in S:
if s in J:
count += 1
return count
40毫秒
def numJewelsInStones(J, S):
return sum(s in J for s in S)
32毫秒
def numJewelsInStones(J, S):
return len([x for x in S if x in J])
解决方案
为什么最后一个函数的速度是第一个函数的两倍?
大 O 表示法的分析时间复杂度看起来对所有人都是一样的,但受常数影响。例如,这O(n)
实际上意味着在比较时间复杂度O(c*n)
时c
被惯例忽略。
您的每个函数都有不同的c
. 尤其是
- 循环通常比生成器慢
sum
生成器的可能在 C 代码中执行(求和部分,添加数字)len
是对数组的简单属性“单一操作”查找,可以在恒定时间内完成,而sum
需要n
添加操作。
因此,函数/语句的假设固定开销测量c(for) > c(sum) > c(len)
在哪里。c(f)
f
你可以通过反汇编每个函数来检查我的假设。
除此之外,您的测量结果可能会受到系统中运行的其他进程引起的变化的影响。要从您的分析中消除这些影响,请取每个函数至少 1000 次调用的平均执行时间(您可能会发现这可能c
小于这个变化,尽管我不希望这样)。
这些函数的时间复杂度是多少?
请注意,虽然所有函数都具有相同的大 O 时间复杂度,但后者会根据您使用的数据类型而有所不同J, S
。如果J, S
是类型:
dict
,你的功能的复杂性将在O(n)
set
,你的功能的复杂性将在O(n)
list
,您的函数的复杂性将在O(n*m)
,其中分别是变量n,m
的大小。J, S
请注意n ~ m
这是否会有效地变成O(n^2)
. 换句话说,不要使用list
.
为什么数据类型很重要?因为 Python 的in
运算符实际上只是为特定类型实现的成员资格测试的代理。具体来说,dict
成员set
资格测试的工作O(1)
时间是恒定的,而成员资格测试的工作时间list
是O(n)
时间。由于在这种情况下,对于 的每个成员list
都有一个传递,反之亦然,所以总时间在. 有关详细信息,请参阅Python 的 TimeComplexity wiki。J
S
O(n*m)