Python 空间复杂性：使用键初始化hashmap并单独更新其值，而不是在循环中动态填充键、值对

假设我有一个简单的问题，涉及返回字符串中所有字符的出现索引。我知道您可以直接运行一个for循环并将其打印出来，但假设我必须以某种数据结构返回它

其他假设：我们知道这是一个ASCII字符串。字符串中不存在重复字符

我可以做两件事中的一件

• 使用所有可能的128个键和

  None

  作为值

• 遍历字符串，只需更新字典/哈希映射
  使用索引作为键的值

• 遍历dictionary元素，并删除那些键、值 值为

  None

  的配对

  ascii_occurrence = {'a': None, 'b': None, 'c': None ... char#128: None} #Initialize a hashmap with each of the 128 characters as key, and set None to its value.
  
  for charIndex in string:
      ascii_occurrence[string[charIndex]] = charIndex
  
  indexMap = {k: v for k, v in ascii_occurrence.items() if v is not None}
  
  print(indexMap)
  

• 初始化没有键或值的空哈希映射

• 遍历字符串并创建键、值对

  ascii_occurrence = {}
  
  for charIndex in string:
      ascii_occurrence[string[charIndex]] = charIndex
  
  print(ascii_occurrence)
  

我确信这两种方法的时间复杂度都是O（N），但我不确定这两种方法的空间复杂度

关于空间复杂性的争论：

方法1，我的空间不“依赖”输入的大小。您可以假设，当您购买计算机以运行用于此特定目的的代码时，已经存在具有128个键的哈希映射。。我只是更新值，而不是根据输入创建新键和扩展hashmap。在这种情况下，它是O（1）

方法2，hashmap最初是空的，没有任何内容，您必须通过遍历字符串用键、值对填充它。真的。。字典的填充量取决于输入大小。在这种情况下，它是O（N）

---

我的论点正确吗？

两种方法的复杂性都是O（N^2），这是因为每次迭代都有一个索引（

string[charIndex]

）。然而，在这种情况下，第二种方法通常是更好的方法。但是，您也可以使用字典理解以更优化的方式（在运行时方面）进行操作，如下所示：

ascii_occurrence = {charIndex: ind for ind, charIndex in enumerate(string)}

在这种情况下，除了不使用索引获取字符外，您不需要将项目分配给以前创建的字典。相反，Python将根据需要为您创建字典，这将节省您在每次迭代时调用

\uuuu setitem\uuu

函数的时间，而每次迭代本身就是暂停和恢复函数帧的组合

这段代码在运行时和内存方面的复杂性当然是O（N）

现在，如果你正在寻找一种更优化的方法，这是很容易做到的，但你必须牺牲一点其他的东西。这就是说，如果您想要更少的运行时间，您应该放弃一些内存，反之亦然。但是如果你不想这样做，你可能会想在你达到这一点之前先创建你的字典。您可以在创建主字符串时创建词典。这里还有其他一些棘手的方法，比如通过将枚举对象传递给

dict

对象，直接从枚举对象创建

dict

。但在这种情况下，索引将是键，字符将成为值

ascii_occurrence = dict(enumerate(string))

---

谢谢你的回答！你能更详细地解释一下为什么它是O（N^2）吗？据我所知，您只需在字符串中迭代一次，在循环中，您正在为一个键设置值，是不是或者在字典中获取一个项O（1）？