在学习数据结构前，我们需要了解时间复杂度和空间复杂度的概念，这能够帮助我们了解数据结构。
算法效率分为时间效率和空间效率
时间复杂度
一个算法的复杂度与其执行的次数成正比。算法中执行基础操作的次数，为算法的时间复杂度。
我们采用大O的渐进表示法。
推导大O阶方法:
1用常数1取代运行时间中的所有加法常数
2在修改后的运行次数函数中，保留最高阶项。
3如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。
有些算法的时间复杂度存在最好、平均和最坏情况:
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)
在实际中一般情况关注的是算法的最坏运行情况
举例：
冒泡排序的时间复杂度
从这个例子我们知道了，不是一层循环时间复杂度就是N，两层就是N^2要看具体算法实现。
二分法时间复杂度分析：
阶乘递归的时间复杂度
空间复杂度
对临时储存空间占用大小的量度。计算的是变量的个数。
首先来看冒泡排序的时间复杂度
循环走了N次，重复利用的是一个空间。
斐波那契数列的空间复杂度：
阶乘的时间复杂度：
算法题
消失的数字
面试题 17.04. 消失的数字 - 力扣（LeetCode）
思路1：
排序，如果后一个数字不等于前一个数字加1，那么前一个数字加1，就是要寻找的消失的数字。
这种方法的时间复杂度是N*lgN
思路2：
把0到N加起来，再减去各个数字，得到的数字就是消失的数字。这里的时间复杂度是O（N）。如果先累加，时间复杂度是0(N),依次遍历一遍为O(N)。
int missingNumber(int* nums, int numsSize){
int N=numsSize;
int ret=(0+N)*(N+1)/2;
for(int i=0;i<numsSize;++i)
{
ret-=nums[i];
}
return ret;
}
思路3：
把数组中的所有数字跟0到N异或，剩下的数字就是消失的数字。（我们知道，x^x=0,0^x=x）
int missingNumber(int* nums, int numsSize){
int N=numsSize;
int x=0;
for(int i=0;i<numsSize;i++)
{
x^=nums[i];//x将包含数组nums中所有元素的异或结果
}
for(int j=0;j<=N;j++)
{
x^=j;
}
return x;
}
189. 轮转数组 - 力扣（LeetCode）
思路1：旋转k次
void rotate(int* nums, int numsSize, int k) {
//首先把最后一个数储存起来
for(int i=0;i<k;i++)
{
int tmp=nums[numsSize-1];
for(int i=numsSize-2;i>=0;i--)
{
nums[i+1]=nums[i];
}
nums[0]=tmp;
}
}思路2：三段逆置
前k个逆置
后k个逆置
再整体逆置
void Reverse(int*nums,int left,int right)
{
while(left<right)
{
int tmp=nums[left];
nums[left]=nums[right];
nums[right]=tmp;
left++;
right--;
}
}
void rotate(int* nums, int numsSize, int k)
{
if(k>=numsSize)
{
k%=numsSize;
}
Reverse(nums,numsSize-k,numsSize-1);
Reverse(nums,0,numsSize-k-1);
Reverse(nums,0,numsSize-1);
}
