时间复杂度
时间复杂度: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())，则称0(g(n)为算法A的渐近时间复杂度，简称时间复杂度，记为T(n)
分析算法时，存在几种可能的考虑:
1.算法完成工作最少需要多少基本操作，即最优时间复杂度
2.算法完成工作最多需要多少基本操作，即最坏时间复杂度
3.算法完成工作平均需要多少基本操作，即平均时间复杂度
对于最优时间复杂度，其价值不大，因为它没有提供什么有用信息，其反映的只是最乐观最理想的情况，没有参考价值。
对于最坏时间复杂度，提供了一种保证，表明算法在此种程度的基本操作中-定能完成工作。
对于平均时间复杂度，是对算法的一个全面评价,因此它完整全面的反映了这个算法的性质。但另一方面,这种衡量并没有保证，不是每个计算都能在这个基本操作内完成。而且，对于平均情况的计算，也会因为应用算法的实例分布可能并不均匀而难以计算。
因此，我们主要关注算法的最坏情况，亦即最坏时间复杂度。
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0(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.判断一个算法的效率时，往往只需要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
常见时间复杂度关系
O(1) < O(logn) < O(n) < O(nlogn) < O(n2)< O(n3) < O(2") < O(n!) < O(n^n)
python基本内置类型时间复杂度
list内置操作时间复杂度
dict内置操作的时间复杂度
