• 优化算法时间复杂度

算法的时间复杂度对程序的执行效率影响最大，在Python中可以通过选择合适的数据结构来优化时间复杂度，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同的场景有不同的优化方式，总得来说，一般有分治，分支界限，贪心，动态规划等思想。

  1. 减少冗余数据

    如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。

  2. 合理使用copy与deepcopy

    对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于后者是递归复制的。效率也不一样：（以下程序在ipython中运行）

    12345678 import copya = range(100000)%timeit –n 10 copy.copy(a) # 运行10次 copy.copy(a) %timeit –n 10 copy.deepcopy(a) 10 loops, best of 3: 1.55 ms per loop10 loops, best of 3: 151 ms per loop

    timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。

  3. 使用dict或set查找元素

    python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map)，查找元素的时间复杂度是O(1)

    123456789 a = range(1000)s = set(a)d = dict((i,1) for i in a)%timeit –n 10000 100 in d %timeit –n 10000 100 in s 10000 loops, best of 3: 43.5 ns per loop10000 loops, best of 3: 49.6 ns per loop

    dict的效率略高(占用的空间也多一些)。

  4. 合理使用生成器（generator）和yield

    123456 %timeit –n 100 a = (i for i in range(100000)) %timeit –n 100 b = [i for i in range(100000)] 100 loops, best of 3: 1.54 ms per loop100 loops, best of 3: 4.56 ms per loop

    使用()得到的是一个generator对象，所需要的内存空间与列表的大小无关，所以效率会高一些。在具体应用上，比如set(i for i in range(100000))会比set([i for i in range(100000)])快。

    但是对于需要循环遍历的情况：

    123456 %timeit –n 10 for x in (i for i in range(100000)): pass %timeit –n 10 for x in [i for i in range(100000)]: pass 10 loops, best of 3: 6.51 ms per loop10 loops, best of 3: 5.54 ms per loop

    后者的效率反而更高，但是如果循环里有break,用generator的好处是显而易见的。yield也是用于创建generator：

    1234567891011121314 def yield_func(ls):    for i in ls:        yield i+1 def not_yield_func(ls):    return [i+1 for i in ls=\”crayon-h\”> [i+1 for i in ls

    1. 减少冗余数据

      如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。

    2. 合理使用copy与deepcopy

      对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于后者是递归复制的。效率也不一样：（以下程序在ipython中运行）

      12345678 import copya = range(100000)%timeit –n 10 copy.copy(a) # 运行10次 copy.copy(a) %timeit –n 10 copy.deepcopy(a) 10 loops, best of 3: 1.55 ms per loop10 loops, best of 3: 151 ms per loop

      timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。

    3. 使用dict或set查找元素

      python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map)，查找元素的时间复杂度是O(1)

      123456789 a = range(1000)s = set(a)d = dict((i,1) for i in a)%timeit –n 10000 100 in d %timeit –n 10000 100 in s 10000 loops, best of 3: 43.5 ns per loop10000 loops, best of 3: 49.6 ns per loop

      dict的效率略高(占用的空间也多一些)。

    4. 合理使用生成器（generator）和yield

      123456 %timeit –n 100 a = (i for i in range(100000)) %timeit –n 100 b = [i for i in range(100000)] 100 loops, best of 3: 1.54 ms per loop100 loops, best of 3: 4.56 ms per loop

      使用()得到的是一个generator对象，所需要的内存空间与列表的大小无关，所以效率会高一些。在具体应用上，比如set(i for i in range(100000))会比set([i for i in range(100000)])快。

      但是对于需要循环遍历的情况：

      123456 %timeit –n 10 for x in (i for i in range(100000)): pass %timeit –n 10 for x in [i for i in range(100000)]: pass 10 loops, best of 3: 6.51 ms per loop10 loops, best of 3: 5.54 ms per loop

      后者的效率反而更高，但是如果循环里有break,用generator的好处是显而易见的。yield也是用于创建generator：

      1234567891011121314 def yield_func(ls):    for i in ls:        yield i+1 def not_yield_func(ls):