算法的时间复杂度（python版容易理解）+常用的时间复杂度、python代码--数据结构

一、算法时间复杂度的应用

在实际应用中，会根据要解决的问题写出几个相应的解决办法，但是我们要选择执行效率最高的算法，那么怎样评估算法的效率呢，这时候就要用到算法时间复杂度了

二、如何计算算法的时间复杂度

步骤：

1. 计算代码的时间频度
   时间频度T(n): 代码的运行次数
2. 将时间频度，化简为时间复杂度
   代码运行次数的数量级别—时间复杂度
3. 计算：
   时间复杂度 = 时间频度 （去掉：1.常数项 2.低阶 3.最高次阶的系数 ）只保留最高次阶

举例说明

T(n)=3n²+6n+5

1. 去掉常数项
   T(n)=3n²+6n
2. 去掉低阶
   T(n)=3n²
3. 去掉最高次阶的系数
   T(n)=n²

因此：T(n)=n² =>O(n²)

三、常用的时间复杂度

当n增大时，函数从小到大排序

时间复杂度排序

四、代码说明

#coding=utf-8

#定义函数,array数组，order排序
def select_order(array,order):
    se = len(array)
    for i in range(0, se):
        j = i
        k = i+1
        while(k<se):
            if((array[j]>array[k]) and (int(order)>0)) or ((array[j]<array[k]) and (int(order)<0)):
                j = k
            k += 1
        array[i], array[j] = array[j], array[i]
        i += 1
    return array

paopao = [3, 55, 66, 2, 38]
#order>0升序,order<0降序
print(select_order(paopao, 1))
print(select_order(paopao, -1))

以上是一个选择排序，从上常用的时间复杂度表中，很容易知道，此代码有两个循环：for i in range(0, se)和 while(k<se) 因此，此循环的时间复杂度为O(n的2次方)