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"
- Использование модуля __future__
- Управление сессиями в Python
- HTTP-запросы с библиотекой Requests
- Создание генераторов в Python
- Получение атрибутов и методов класса
- Область видимости переменных
- Удаление элементов по срезу
- Разделение строки с помощью re.split()
- Генераторы списков
- Объединение списков с помощью zip
- Библиотека sh: использование команд bash в Python
- Лямбда-функции в Python
- Нан-рефлексивность в Python
- Удаление ссылок в Python
- Поиск самого частого элемента
- Метод rlshift для битового сдвига
- Основные операции с Numpy
- Установка переменной среды в Python
- Ключевое слово global в Python
- Класс Counter() для подсчета элементов
- Отрицательные индексы списков
- Преобразование в float
- Изменение списка срезом
- Применение функции map() с лямбда-функциями
- Справка по импортированным модулям
- Сравнение def и lambda функций в Python
- Операторы сравнения в Python
- Создание словаря через dict comprehension
- Пропуск начальных строк с помощью dropwhile()
- Создание уникального множества
- Форматирование чисел в Python
- Методы обработки строк в Python
- Lambda Functions in Python
- Обмен значений переменных в Python
- Функция reduce() из модуля functools
- Создание комплексных чисел
- Оператор is в Python
- Работа с getopt
- Работа с пользовательским вводом
- Метод сравнения объектов в Python
- Преобразование списка в словарь через генератор
- Python и Монти Пайтон
- Работа с collections в Python
- Удаление ключа из словаря в Python
- Использование функции product
