python 數組時間復雜度？

Question

array.array和np.array的.append時間復雜度是多少？

我在python_wiki中看到list 、 collections.deque 、 set和dict的時間復雜度，但我找不到array.array和np.array的時間復雜度。 我在哪里可以找到它們？

Answer 1

因此，鏈接您提供的（也是一個TLDR ） list在內部“表示為一個數組”_鏈接它應該是 O(1)，底部有一條注釋：

“這些操作依賴於“攤銷最壞情況”中的“攤銷”部分。個別操作可能需要非常長的時間，具體取決於容器的歷史記錄。 _關聯

---

更多細節

它沒有 go 在文檔中詳細介紹，但是如果您查看源代碼，您實際上會看到發生了什么。 realloc array具有內部緩沖區，可以快速調整自身的大小，並在其增長/縮小時重新分配。

array.append使用arraymodule.array_array_append調用arraymodule.ins調用arraymodule.ins1是操作的肉和土豆。 順便說一下， array.extend使用了它，但它只是提供Py_SIZE(self)作為插入索引。

因此，如果我們閱讀arraymodule.ins1中的注釋，它會從以下內容開始：

 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.

^關聯

...

 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.

^關聯

Answer 2

了解array數據結構以回答您的問題很重要。 由於兩個array對象都基於 C arrays（常規， numpy ），它們共享許多相同的功能。

將一個項目添加到數組中的攤銷為O(1) ，但在大多數情況下，最終是O(n)時間。 這是因為您的數組 object 可能尚未填充，因此將一些數據附加到 memory 中的該位置是一個相對微不足道的練習，它是O(1) 。 但是，在大多數情況下，數組已滿，因此需要在 memory 中完全復制並添加新項目。 這是一個非常昂貴的操作，因為需要復制一個n大小的數組，從而進行插入O(n) 。

這篇文章中的一個有趣的例子：

為了更清楚地說明這一點，請考慮因子為2且初始數組大小為1的情況。 然后考慮復制成本以將數組從大小 1 增長到足夠大的位置，任何k >= 0的 2^k+1 個元素。 這個大小是2^(k+1) 。 總復制成本將包括所有復制到 2 倍大的步驟：

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