这篇文章主要为大家详细介绍了python算法表示概念扫盲教程，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
本文为大家讲解了python算法表示概念，供大家参考，具体内容如下
常数阶O(1)
常数又称定数，是指一个数值不变的常量，与之相反的是变量
为什么下面算法的时间复杂度不是O(3)，而是O(1)。
立即学习“Python免费学习笔记（深入）”；
int sum = 0,n = 100; /*执行一次*/ sum = （1+n）*n/2; /*执行一次*/ printf（"%d", sum）; /*行次*/
这个算法的运行次数函数是f（n）=3。根据我们推导大O阶的方法，第一步就是把常数项3改为1。在保留最高阶项时发现，它根本没有最高阶项，所以这个算法的时间复杂度为O(1)。
另外，我们试想一下，如果这个算法当中的语句sum=（1+n）*n/2有10句，即：
int sum = 0, n = 100; /*执行1次*/ sum = （1+n）*n/2; /*执行第1次*/ sum = （1+n）*n/2; /*执行第2次*/ sum = （1+n）*n/2; /*执行第3次*/ sum = （1+n）*n/2; /*执行第4次*/ sum = （1+n）*n/2; /*执行第5次*/ sum = （1+n）*n/2; /*执行第6次*/ sum = （1+n）*n/2; /*执行第7次*/ sum = （1+n）*n/2; /*执行第8次*/ sum = （1+n）*n/2; /*执行第9次*/ sum = （1+n）*n/2; /*执行第10次*/ printf（"%d",sum）; /*执行1次*/
事实上无论n为多少，上面的两段代码就是3次和12次执行的差异。这种与问题的大小无关（n的多少），执行时间恒定的算法，我们称之为具有O(1)的时间复杂度，又叫常数阶。
注意：不管这个常数是多少，我们都记作O(1)，而不能是O(3)、O(12)等其他任何数字，这是初学者常常犯的错误。
推导大O阶方法
1.用常数1取代运行时间中的所有加法常数
2.在修改后的运行次数函数中，只保留最高阶项
3.如果最高阶项存在且不是1，则去除与这个项相乘的常数
对数阶O(log2n)
对数
如果a的x次方等于N（a>0，且a不等于1），那么数x叫做以a为底N的对数（logarithm），记作x=logaN, 。其中，a叫做对数的底数，N叫做真数。
5^2 = 25 , 记作 2= log5 25
对数是一种运算，与指数是互逆的运算。例如
① 3^2=9 2=log9；
② 4^(3/2)=8 3/2=log8；
③ 10^n=35 n=lg35。为了使用方便，人们逐渐把以10为底的常用对数记作lgN
对数阶
int count = 1;
while (count < n)
{
count = count * 2; /* 时间复杂度为O(1)的程序步骤序列 */
}由于每次count乘以2之后，就距离n更近了一分。
也就是说，有多少个2相乘后大于n，则会退出循环。
由2^x=n得到x=log2n。所以这个循环的时间复杂度为O(logn)。
线性阶O(n)
执行时间随问题规模增长呈正比例增长
data = [ 8,3,67,77,78,22,6,3,88,21,2]
find_num = 22
for i in data:
if i == 22:
print("find",find_num,i )线性对数阶O(nlog2n)
平方阶O(n^2)
for i in range(100):
for k in range(100):
print(i,k)立方阶O(n^3)
k次方阶O(n^k),
指数阶O(2^n)。
随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
