04 2020 档案

计算算法的运行时间
摘要：算法的不同会导致其运行时间产生大幅变化。使用相同的算法，输入数据的量不同，运行时间也会不同。比如，对10 个数字排序和对1 000 000 个数字排序，很容易就想到后者的运行时间更长。 那么，实际上运行时间会长多少呢？后者是前者的100 倍，还是1 000 000 倍？就像这样，我们不光要理解不同算 阅读全文
posted @ 2020-04-08 18:10 laolaotongg
选择排序的算法效率
摘要：能解决排序问题的算法不止选择排序一个。那么，当有多个算法都可以解决同一个问题时，我们该如何选择呢？ 在算法的评判上，考量的标准也各有不同。 比如，简单的算法对人来说易于理解，也容易被写成程序，而在运行过程中不需要耗费太多空间资源的算法，就十分适用于内存小的计算机。不过，一般来说我们最为重视的是算法的 阅读全文
posted @ 2020-04-08 18:00 laolaotongg
选择排序的基本思路
摘要：算法是计算或者解决问题的步骤，要想用计算机解决特定的问题，就要遵循算法。 特定问题多种多样，比如“将随意排列的数字按从小到大的顺序重新排列”，“寻找出发点到目的地的最短路径”，等等。 算法的步骤都是用数学方式来描述的，所以十分明确。算法和程序有些相似，区别在于程序是以计算机能够理解的编程语言编写而成 阅读全文
posted @ 2020-04-08 17:53 laolaotongg
学习《零基础搭建量化投资系统以Python为工具》PDF+代码训练
摘要：Python3可以用于开发金融投资和量化分析方面的软件，需要学习把金融数据的处理和投资分析技术通过编写程序实现、通过编写程序完成K线图形和技术指标图形的程序绘制与框架开发，以及Tkinter窗口布局设计等， 要学会独立搭建自己的金融投资分析量化平台，能够真正运行Python 3量化投资分析平台。学习 阅读全文
posted @ 2020-04-08 00:40 laolaotongg
冒泡算法实现示意图和python代码
摘要：对比二分查找和线性查找的步数差异，发现二分查找的步数为O(log N)，比线性查找的O(N)快得多。 大O记法能客观地衡量各种算法的时间复杂度，是比较算法的利器。 大O可以与其他常用的算法比较，如果通过大O 发现自己的算法比其他的要慢，就应该退一步，好好想想怎样优化它，才能使它变成更快的那种大O。 阅读全文
posted @ 2020-04-04 22:45 laolaotongg
计算二分查找的时间复杂度
摘要：线性查找并不总是O(N)的。当要找的元素在数组末尾，那确实是O(N)。但如果它在数组开头，1 步就能找到的话，那么技术上来说应该是O(1)。所以概括来说，线性查找的最好情况是O(1)，最坏情况是O(N)。虽然大O可以用来表示给定算法的最好和最坏的情景，但若无特别说明，大O 记法一般都是指最坏情况。因 阅读全文
posted @ 2020-04-03 17:42 laolaotongg
记录：表示算法的时间复杂度
摘要：影响算法性能的主要因素是其所需的步数。一个算法的步数并不是固定的。以线性查找为例，它的步数等于数组的元素数量。 如果数组有22 个元素，线性查找就需要22 步；如果数组有400 个元素，线性查找就需要400 步。 量化线性查找效率的更准确的方式应该是：对于具有N 个元素的数组，线性查找最多需要N步。 阅读全文
posted @ 2020-04-02 17:50 laolaotongg