我有一个 Leetcode 问题的这三个解决方案,并不太了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])
最佳答案
Why is the last function twice as fast as the first one?
根据大 O 符号的分析时间复杂度看起来对所有的人都一样,但是受制于常量。那就是例如O(n)
实际上意味着 O(c*n)
,但是在比较时间复杂度时,c
按照约定被忽略。
您的每个函数都有不同的c
。特别是
- 循环通常比生成器慢 生成器的
sum
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“单操作”查找,可以在常数时间内完成,而sum
需要n
添加操作。
因此 c(for) > c(sum) > c(len)
其中 c(f)
是函数/语句的假设固定开销度量 f
.
您可以通过 disassembling 检查我的假设每个函数。
除此之外,您的测量值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 c
可能小于此变化,但我并不期望如此)。
what is the time complexity of these functions?
请注意,虽然所有函数都具有相同的大 O 时间复杂度,但后者会根据您用于 J、S
的数据类型而有所不同。如果 J, S
是类型:
dict
,你的函数的复杂度将在O(n)
set
,你的函数的复杂度将在O(n)
list
,您的函数的复杂度将在O(n*m)
中,其中n,m
是J, S
变量,分别。请注意,如果n ~ m
这将有效地变成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
和 set
成员测试在 O(1)
中工作,时间为常数,而 list
在 O(n)
时间内工作。因为在 list
的情况下,对于 S
的每个成员,J
的每个成员都有一个传递,反之亦然,总时间在O(n*m)
。参见 Python's TimeComplexity wiki了解详情。
关于python - 这三个解的时间复杂度是多少?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53897553/