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"
- Замыкания в Python
- Метод pop() списка
- Работа с файлами в Python
- Математические функции в Python
- Метод clear для коллекций
- Динамические маршруты во Flask
- split() без разделителя
- Управление пакетами с pip
- Удаление специальных символов с помощью re.sub
- Вакансии в Nebius
- Обязательные аргументы в Python
- Область видимости переменных
- Метод __iand__ для пользовательских классов
- Циклы в Python
- Работа с изображениями Pillow
- Работа с итераторами в Python
- Переопределение унарных операторов
- Создание пользовательской коллекции в Python
- Класс UserDict: дополнительная функциональность
- Проверка версии Python
- capitalize() — изменение регистра первого символа строки
- Тип данных TypeVarTuple
- Работа с Enum в Python3.
- Область видимости переменных
- Хеши в Python
- Создание обратного итератора
- Работа с контекст-менеджером «with»
- Команда %dhist — список посещенных каталогов
- Логирование с Logzero
- Логирование с Logzero
- Работа с NumPy.linalg
- Красивый вывод списка
- Преобразование списка в словарь через генератор
- Сложные типы данных в Python
- Counter() — подсчет элементов
- Сортировка с параметром key
- Метод pos в Python
- Создание итерируемых объектов
- Модуль pprint: улучшение вывода данных
- Печать календаря
- Создание новых функций через partial
- Monkey Patching в Python
- Python itertools combinations() — группировка элементов
- Именованные срезы в Python
- Удаление файлов в Python
