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"
- Создание задания в Cron
- Декодирование строк в Python
- Python enumerate() использование
- Анонимные функции в Python
- Объявление переменных в Python
- Concrete Paths в Python
- Метод __imod__ для Python
- Работа с временем в Python
- Зарезервированные слова в Python
- Работа с zip-архивами в Python
- Цикл for в Python
- Управление ресурсами с контекстными менеджерами
- Виртуальное окружение Python
- Переопределение метода __pow__
- Печать комбинаций в Python с Itertools
- Работа с массивами в Python
- Просмотр внешних файлов в %pycat
- Метод classmethod
- Метод add для класса Vector
- Создание матрицы в Python
- Использование *args
- Списки в Python: основы
- Установка Python3.7 и PIP
- Передача аргументов через **arguments
- Импорт классов из другого файла
- Создание генераторов
- Декораторы классов
- Оператор «is not» в Python
- Получение значений из словарей
- Определение объема памяти объекта
- Сложные типы данных в Python
- Удаление элементов по срезу
- Проверка типа объекта в Python
- Создание класса в Python
- Назначение максимального и минимального значения переменной в Python.
- Работа с enumerate()
- Поиск частых элементов в списке
- Роль object и type в Python
- Навыки Python: строки, типы данных
- Оператор «or» в Python
- Создание словаря через dict comprehension
- Вычисление времени выполнения
- Итерация по копии коллекции
- Создание инструмента обнаружения плагиата
- Прокачанный трейсинг ошибок
