python 数组时间复杂度？

Question

array.array和np.array的.append时间复杂度是多少？

我在python_wiki中看到list 、 collections.deque 、 set和dict的时间复杂度，但我找不到array.array和np.array的时间复杂度。 我在哪里可以找到它们？

Answer 1

因此，链接您提供的（也是一个TLDR ） list在内部“表示为一个数组”_链接它应该是 O(1)，底部有一条注释：

“这些操作依赖于“摊销最坏情况”中的“摊销”部分。个别操作可能需要非常长的时间，具体取决于容器的历史记录。 _关联

---

更多细节

它没有 go 在文档中详细介绍，但是如果您查看源代码，您实际上会看到发生了什么。 realloc array具有内部缓冲区，可以快速调整自身的大小，并在其增长/缩小时重新分配。

array.append使用arraymodule.array_array_append调用arraymodule.ins调用arraymodule.ins1是操作的肉和土豆。 顺便说一下， array.extend使用了它，但它只是提供Py_SIZE(self)作为插入索引。

因此，如果我们阅读arraymodule.ins1中的注释，它会从以下内容开始：

 Bypass realloc() when a previous overallocation is large enough to accommodate the newsize. If the newsize is 16 smaller than the current size, then proceed with the realloc() to shrink the array.

^关联

...

 This over-allocates proportional to the array size, making room for additional growth. The over-allocation is mild, but is enough to give linear-time amortized behavior over a long sequence of appends() in the presence of a poorly-performing system realloc(). The growth pattern is: 0, 4, 8, 16, 25, 34, 46, 56, 67, 79, ... Note, the pattern starts out the same as for lists but then grows at a smaller rate so that larger arrays only overallocate by about 1/16th -- this is done because arrays are presumed to be more memory critical.

^关联

Answer 2

了解array数据结构以回答您的问题很重要。 由于两个array对象都基于 C arrays（常规， numpy ），它们共享许多相同的功能。

将一个项目添加到数组中的摊销为O(1) ，但在大多数情况下，最终是O(n)时间。 这是因为您的数组 object 可能尚未填充，因此将一些数据附加到 memory 中的该位置是一个相对微不足道的练习，它是O(1) 。 但是，在大多数情况下，数组已满，因此需要在 memory 中完全复制并添加新项目。 这是一个非常昂贵的操作，因为需要复制一个n大小的数组，从而进行插入O(n) 。

这篇文章中的一个有趣的例子：

为了更清楚地说明这一点，请考虑因子为2且初始数组大小为1的情况。 然后考虑复制成本以将数组从大小 1 增长到足够大的位置，任何k >= 0的 2^k+1 个元素。 这个大小是2^(k+1) 。 总复制成本将包括所有复制到 2 倍大的步骤：

1 + 2 + 4 + ... + 2^k = 2^(k+1) - 1 = 2n - 1