1 算法是一种独立存在的解决问题的思想和方法

2 算法5大特性

    2.1 输入（具有0个或多个）

    2.2 输出（具有1个或多个输出）

    2.3 有穷性（有限步骤可以处理，每个步骤可以在有限时间内处理）

    2.4 确切性（算法中每一步都有确切的含义，没有二义性）

    2.5 可行性（算法中每一步都是可行的，都能够执行有限次数完成）

3 大O计法

    对于算法的时间性质和空间性质，最重要的是其数量级和趋势，这些事分析算法效率的主要部分，而计量算法基本操作数量的规模函数中的常量因子可以忽略不计。

    假设存在函数g，使得算法A处理规模为n的问题示例所用时间为T(n)=O(g(n))，则称O(g(n))为算法A的渐进时间复杂度。

4 时间复杂度的几个概念

    最优时间复杂度：算法完成工作最少需要多少基本操作

    最坏时间复杂度：算法完成工作最多需要多少基本操作

    平均时间复杂度：算法完成工作平均需要多少基本操作

5 时间复杂度的几条基本计算规则

①    基本操作，即只有常数项，认为其时间复杂度为O(1)

②    顺序结构，时间复杂度按加法进行计算

③    循环结构，时间复杂度按乘法进行计算

④    分支结构，时间复杂度取最大值

⑤    判断一个算法效率时，往往只关注操作数量的最高次项，其它次要项和常数项可以忽略

⑥   在没有特殊说明时，我们所分析的算法的时间复杂度都是指最坏时间复杂度

6 常见时间复杂度时间排序

    O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

7 代码时间计算模块timeit

    timeit模块用于测算代码执行时间，基本格式为：

    timeit.Timer(‘程序段’,’路径’)

    示例：

    导入模块

import timeit

    定义要测算的代码块

def add():

        w=0

        for t in range(100):

             w+=t

        return w

    计算代码块执行需要的时间

t=timeit.Timer(‘add()’,’from __main__ import add’)

t1=t.timeit(number=1000)

8 python内置类型性能分析

    8.1 列表

        8.2 字典表

9 数据结构

    9.1 基本概念

    数据结构：数据的组织方式

内置数据结构：python自身定义好的数据结构

扩展数据结构：使用过程中我们自己定义的数据结构

程序=数据结构+算法

    抽象数据类型：把基础数据和其支持的操作放在一起形成一个整体，即把数据类型和数据类型的上的操作捆在一起，进行封装。