在计算机科学的世界里，算法是解决问题的核心。而算法的效率，往往取决于其时间复杂度。理解并掌握时间复杂度，可以帮助我们选择合适的算法，优化程序性能。今天，我们就通过5个实用例题来解析时间复杂度，帮助你轻松学会这一算法效率秘籍。
例题1：冒泡排序
题目描述：给定一个整数数组，实现冒泡排序，并分析其时间复杂度。
代码示例：
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
return arr
arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = bubble_sort(arr)
print(sorted_arr)
时间复杂度分析：冒泡排序的时间复杂度为O(n^2)，其中n为数组的长度。这是因为它包含两层嵌套循环，外层循环遍历整个数组，内层循环进行相邻元素的比较和交换。
例题2：选择排序
题目描述：给定一个整数数组，实现选择排序，并分析其时间复杂度。
代码示例：
def selection_sort(arr):
n = len(arr)
for i in range(n):
min_idx = i
for j in range(i+1, n):
if arr[min_idx] > arr[j]:
min_idx = j
arr[i], arr[min_idx] = arr[min_idx], arr[i]
return arr
arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = selection_sort(arr)
print(sorted_arr)
时间复杂度分析：选择排序的时间复杂度也是O(n^2)。虽然它比冒泡排序在交换操作上有所优化，但比较次数仍然达到O(n^2)。
例题3：插入排序
题目描述：给定一个整数数组，实现插入排序，并分析其时间复杂度。
代码示例：
def insertion_sort(arr):
for i in range(1, len(arr)):
key = arr[i]
j = i-1
while j >= 0 and key < arr[j]:
arr[j+1] = arr[j]
j -= 1
arr[j+1] = key
return arr
arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = insertion_sort(arr)
print(sorted_arr)
时间复杂度分析：插入排序的平均和最坏情况时间复杂度均为O(n^2)，但在最佳情况下（数组已排序），其时间复杂度可降低至O(n)。
例题4：快速排序
题目描述：给定一个整数数组，实现快速排序，并分析其时间复杂度。
代码示例：
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
return quick_sort(left) + middle + quick_sort(right)
arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = quick_sort(arr)
print(sorted_arr)
时间复杂度分析：快速排序的平均时间复杂度为O(n log n)，但在最坏情况下（数组已排序或逆序），其时间复杂度可降低至O(n^2)。
例题5：归并排序
题目描述：给定一个整数数组，实现归并排序，并分析其时间复杂度。
代码示例：
def merge_sort(arr):
if len(arr) <= 1:
return arr
mid = len(arr) // 2
left = merge_sort(arr[:mid])
right = merge_sort(arr[mid:])
return merge(left, right)
def merge(left, right):
result = []
i = j = 0
while i < len(left) and j < len(right):
if left[i] < right[j]:
result.append(left[i])
i += 1
else:
result.append(right[j])
j += 1
result.extend(left[i:])
result.extend(right[j:])
return result
arr = [64, 34, 25, 12, 22, 11, 90]
sorted_arr = merge_sort(arr)
print(sorted_arr)
时间复杂度分析：归并排序的时间复杂度为O(n log n)，在所有排序算法中表现最为稳定。
通过以上5个例题的解析，相信你已经对时间复杂度有了更深入的理解。掌握算法效率秘籍，让我们在计算机科学的世界里游刃有余！