会按“字典序”来排 - set 会从小到大排序，对 int 来说就是数值的大小比较。那么对字符串类型 string 要怎么排序呢？ - 其实 string 类定义了运算符重载 <，他会按字典序比较两个字符串。所谓字典序就是优先比较两者第一个字符（按 ASCII 码比较），如果相等则继续比较下一个，不相等则直接以这个比较的结果返回。如果比到末尾都相等且字符串长度一样，则视为相等。 ![Imag compt=""> - 第一个 T 是容器内元素的类型，例如 int 或 string 等。 - 第二个 CompT 定义了你想要的比较函子，set 内部会调用这个函数来决定怎么排序。 - 如果 CompT 不指定，默认会直接用运算符 < 来比较。 • 这里我们定义个 MyComp struct MyComp { bool operator()(string const return 0; } set={Linux, any, arch, zero} ## set 的排序：自定义排序函数 - 恶搞一下，这里我们把比较函子 MyComp 定义成只比较字符串第一个字符 a[0] < b[0]。 - 神奇的一幕发生了，“any”不见了！为什么？因为去重 - 为什么 set 会把 “arch” 和 “any” 视为相等的元素？明明内容都不一样？

如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和空间使用情况。 综上所述，建议你在深入学习数据 以下函数基于 for 循环实现了求和 $ 1 + 2 + \cdots + n $ ，求和结果使用变量 res 记录。需要注意的是，Python 中 $ \text{range}(a, b) $ 对应的区间是 “左闭右开” 的，对应的遍历范围为 $ a, a + 1, \ldots, b - 1 $ 。 # === File: iteration.py === def for_loop(n: int) 的运行时间，这给预估过程带来了极大的难度。 #### 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 n，给定三个算法函数 A、B 和 C： # 算法 A 的时间复杂度：常数阶 def algorithm_A(n: int): print(0)

如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和空间使用情况。 综上所述，建议你在深入学习数据 以下函数基于 for 循环实现了求和 $ 1 + 2 + \cdots + n $ ，求和结果使用变量 res 记录。需要注意的是，Python 中 $ \text{range}(a, b) $ 对应的区间是 “左闭右开” 的，对应的遍历范围为 $ a, a + 1, \ldots, b - 1 $ 。 /// == File: iteration.js === /* for 循环 */ function 的运行时间，这给预估过程带来了极大的难度。 #### 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 n，给定三个算法函数 A、B 和 C： // 算法 A 的时间复杂度：常数阶 function algorithm_A(n) { console

如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和空间使用情况。 综上所述，建议你在深入学习数据 以下函数基于 for 循环实现了求和 $ 1 + 2 + \cdots + n $ ，求和结果使用变量 res 记录。需要注意的是，Python 中 $ \text{range}(a, b) $ 对应的区间是 “左闭右开” 的，对应的遍历范围为 $ a, a + 1, \ldots, b - 1 $ 。 /// == File: iteration.swift === /* for 循环 */ func 的运行时间，这给预估过程带来了极大的难度。 #### 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 n，给定三个算法函数 A、B 和 C： // 算法 A 的时间复杂度：常数阶 func algorithmA(n: Int) { print(0)

列，实现流程如下： 1. 将扑克牌划分为 “有序” 和 “无序” 两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 张扑克已经有序。 4. 不断循环以上操作，直至所有扑克牌都有序后终止。 以上整理扑克牌的方法本质上就是「 2.1.3. 复杂度分析重要性 复杂度分析为我们提供了一把评估算法效率的“标尺”，告诉我们执行某个算法所需的时间和空间资源，并使我们能够对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太适合作为第一章的内容。然而，当我们讨论某个数据结构或算法的特点时，我们难以避免要分析其运行速度和空间使用情况。因此，在深入学习数据结构与算法之 平方阶（冒泡排序）""" count = 0 # 计数器 # 外循环：未排序区间为 [0, i] for i in range(len(nums) - 1, 0, -1): # 内循环：将未排序区间 [0, i] 中的最大元素交换至该区间的最右端 for j in range(i): if nums[j]

列，实现流程如下： 1. 将扑克牌划分为 “有序” 和 “无序” 两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 张扑克已经有序。 4. 不断循环以上操作，直至所有扑克牌都有序后终止。 以上整理扑克牌的方法本质上就是「 2.1.3. 复杂度分析重要性 复杂度分析为我们提供了一把评估算法效率的“标尺”，告诉我们执行某个算法所需的时间和空间资源，并使我们能够对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太适合作为第一章的内容。然而，当我们讨论某个数据结构或算法的特点时，我们难以避免要分析其运行速度和空间使用情况。因此，在深入学习数据结构与算法之 bubbleSort(nums []int) int { count := 0 // 计数器 // 外循环：未排序区间为 [0, i] for i := len(nums) - 1; i > 0; i-- { // 内循环：将未排序区间 [0, i] 中的最大元素交换至该区间的最右端 for j := 0; j < i; j++ {

列，实现流程如下： 1. 将扑克牌划分为 “有序” 和 “无序” 两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 张扑克已经有序。 4. 不断循环以上操作，直至所有扑克牌都有序后终止。 以上整理扑克牌的方法本质上就是「 2.1.3. 复杂度分析重要性 复杂度分析为我们提供了一把评估算法效率的“标尺”，告诉我们执行某个算法所需的时间和空间资源，并使我们能够对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太适合作为第一章的内容。然而，当我们讨论某个数据结构或算法的特点时，我们难以避免要分析其运行速度和空间使用情况。因此，在深入学习数据结构与算法之 bubbleSort(int[] nums) { int count = 0; // 计数器 // 外循环：未排序区间为 [0, i] for (int i = nums.Length - 1; i > 0; i--) { // 内循环：将未排序区间 [0, i] 中的最大元素交换至该区间的最右端 for (int j = 0; j < i; j++) { if (nums[j]