Курс Python → Big O оптимизация
Big O оптимизация — это важная задача для разработчиков. Оценка скорости работы программы на разных устройствах может быть сложной из-за различий в аппаратном обеспечении. Для универсальной оценки был разработан подход, использующий понятие Big O. Например, простой алгоритм перебора всех значений имеет сложность O(n), где n — количество значений, так как используется только один цикл. Если же есть два вложенных цикла, как в программе для вывода таблицы умножения, то сложность уже будет O(n^2). Из формул видно, что второй алгоритм работает намного медленнее.
Главное правило — чем больше данных, тем дольше будет работать программа. Например, бинарный поиск имеет сложность O(log n) и работает намного быстрее, но требует отсортированного списка. При оценке сложности учитывается количество проходов по данным, а не количество строк кода. График скорости работы алгоритмов показывает, что чем меньше операций выполняется, тем лучше.
Пример кода:
def linear_search(array, target):
for i in range(len(array)):
if array[i] == target:
return i
return -1
def binary_search(array, target):
low = 0
high = len(array) - 1
while low <= high:
mid = (low + high) // 2
if array[mid] == target:
return mid
elif array[mid] < target:
low = mid + 1
else:
high = mid - 1
return -1
В приведенных примерах кода показаны алгоритмы линейного и бинарного поиска. Линейный поиск имеет сложность O(n), так как выполняет n операций в худшем случае. Бинарный поиск имеет сложность O(log n) и работает быстрее, но требует отсортированного списка. Понимание Big O помогает разработчикам выбирать наиболее эффективные алгоритмы для своих задач.
Другие уроки курса "Python"
- Генераторы в Python
- Реализация операции -= для пользовательского класса
- Преобразование многоуровневого словаря
- Модуль array: создание и использование массивов
- Нахождение отличий в списках
- Проблема сравнения словарей
- Функции map, filter, reduce
- Переменная Шредингера
- Непрерывная проверка в Python
- Генератор данных в Keras
- Преобразование текста в речь с Python
- Модуль os: работа с файлами и папками
- Получение частей дроби
- Создание графики с черепахой
- Работа с комплексными числами
- Python enumerate() функции
- None в Python: использование и особенности
- Измерение времени выполнения
- Многопоточность и асинхронное программирование в Python
- Замеры производительности в Python
- Импорт модуля из другого каталога
- Flask: создание веб-приложений
- Сортировка элементов в Python
- Компиляция регулярных выражений
- Форматирование строк в Python
- Работа с буфером обмена на Python
- Библиотека sh: удобные команды терминала
- Метод remove() для удаления элемента из списка
- PEP-401: оператор
- Декораторы в Python
- Форматирование объектов с модулем pprint
- Библиотека wikipedia для Python
- Python: Фильтрация списков с помощью filter()
- Работа с коллекциями Python
- Путь к интерпретатору Python
- Измерение времени выполнения с помощью time
- Метод count() для списка
- Избегайте изменяемых аргументов
- Установка максимального количества цифр
- Магические методы в Python
- Векторизация в Python с NumPy.
- Область видимости переменных
- Многострочные комментарии в Python
- Python Enum Weekday Usage















