a.insert（0，x）是o（n）函数吗？a.append是一个O（1）函数吗？python

我试图将数组中的偶数移到数组的前面，将奇数移到数组的后面。这个问题要求在线性算法中执行此操作，并在适当的位置执行此操作

我想到了这个：

 def sort(a):
    for i in range(0,len(a)-1):
        if a[i]%2==0:
            a.insert(0,a.pop(i))
    return a

问题是，有人告诉我，从技术上讲，a.insert是一个on函数，所以从技术上讲，当包含函数范围内的for i部分时，这将被视为一个非线性算法。因为提出这个问题的论坛已经有几个月了，我无法要求解释

基本上，我相信他在技术上是这样说的，因为这会在前面插入它，它不会检查数组中的其他N个元素，因此它会在On而不是^2上运行。这是正确的评估吗

此外，论坛上有人使用a.append修改了上述内容，并将其更改为查找奇数。没有人回答，所以我想知道，a.append是否不是on函数，因为它将其移动到末尾？是o1吗

感谢您的解释和澄清

在列表的第0个索引处插入需要移动其他元素，使其成为ON操作。但是，如果使用的是O1，则此操作为O1

append是一个摊销的O1操作，因为它只需要将项目添加到列表的末尾，而不需要进行移位。有时列表需要增长，因此它并不总是O1操作。

在列表的第0个索引处插入需要移动其他元素，使其成为ON操作。但是，如果使用的是O1，则此操作为O1

append是一个摊销的O1操作，因为它只需要将项目添加到列表的末尾，而不需要进行移位。有时列表需要增长，因此它并不总是O1操作。

检查此项

插入 Append-O1列表被过度分配 检查这个

插入 Append-O1列表被过度分配

---

这是正确的-Python标准列表前面的插入处于启用状态。Python列表是作为数组实现的，因此在列表前面插入一些内容需要将整个内容移到一个位置。另一方面，追加不需要任何转移，因此摊销为O1

但是，请注意，a.popi也是一个On操作，因为它需要在弹出的项目之后将所有内容移到一个点上。因此，简单地将代码修改为使用append而不是insert仍然不会产生线性算法

线性时间算法不使用pop，而是执行类似交换元素的操作，这样就不必修改列表的其余部分。例如，考虑这一点：

def even_to_front(a_list):
    next_even = 0
    for idx in xrange(len(a_list)):
        if not a_list[idx] % 2:
            # a_list[idx] is even, so swap it towards the front
            a_list[idx], a_list[next_even] = a_list[next_even], a_list[idx]
            next_even += 1

---

这是正确的-Python标准列表前面的插入处于启用状态。Python列表是作为数组实现的，因此在列表前面插入一些内容需要将整个内容移到一个位置。另一方面，追加不需要任何转移，因此摊销为O1

但是，请注意，a.popi也是一个On操作，因为它需要在弹出的项目之后将所有内容移到一个点上。因此，简单地将代码修改为使用append而不是insert仍然不会产生线性算法

线性时间算法不使用pop，而是执行类似交换元素的操作，这样就不必修改列表的其余部分。例如，考虑这一点：

def even_to_front(a_list):
    next_even = 0
    for idx in xrange(len(a_list)):
        if not a_list[idx] % 2:
            # a_list[idx] is even, so swap it towards the front
            a_list[idx], a_list[next_even] = a_list[next_even], a_list[idx]
            next_even += 1

每次从列表中弹出元素时，都必须复制列表的尾随部分，将其移动到一个索引上，以填补删除的元素留下的漏洞。这是弹出元素和列表尾部之间的线性距离

每次在列表中插入元素时，都必须复制列表的尾部，将其移动到一个索引上，以创建插入新元素的点。在插入元素的位置和列表尾部之间的距离是线性的

如果使用collections.deque，可以在O1时间内将其追加并弹出到前面和后面。但是，从中间删除一个元素仍然是线性的，我认为您必须自己编写它。

每次从列表中弹出元素时，您都必须复制列表的尾部，将其移动到一个索引上，以填补删除的元素留下的漏洞。这是弹出元素和列表尾部之间的线性距离

每次在列表中插入元素时，都必须复制列表的尾部，将其移动到一个索引上，以创建插入新元素的点。在插入元素的位置和列表尾部之间的距离是线性的

如果使用collections.deque，可以在O1时间内将其追加并弹出到前面和后面。然而，从中间删除一个元素仍然是线性的，我认为您必须自己编写 无需追加/插入或退出队列即可完成

def sort(L):
    i, j = 0, len(L)-1
    while i<j:
        # point i to the next odd number from the start
        while i<j and not L[i]%2: i+=1
        # point j to the next even number from the end
        while i<j and L[j]%2: j-=1
        L[i],L[j] = L[j],L[i]    

---

下面介绍如何在不追加/插入或退出队列的情况下完成此操作

def sort(L):
    i, j = 0, len(L)-1
    while i<j:
        # point i to the next odd number from the start
        while i<j and not L[i]%2: i+=1
        # point j to the next even number from the end
        while i<j and L[j]%2: j-=1
        L[i],L[j] = L[j],L[i]    

---

实际上，对于append来说，它也只是一个摊销的O1，出于明显的原因，我们有时不得不增加列表。@好的，那么我将把它改为平均案例，并包含这些信息。请注意，平均案例复杂度与摊销复杂度不同。前者是一种具有平均但不是所有数据/参数的复杂度，后者适用于所有输入，并表示如果频繁重复操作，则每次操作的复杂度。也就是说，一个普通的O1追加案例也可能发生！对于一些列表，例如排序列表，当您重复追加时，摊销O1追加是O1，查看总时间，并将其平均-无论列表中有什么。实际上，它也只是追加的摊销O1，出于显而易见的原因，我们有时不得不增加列表。@好吧，那么我将把它改为平均案例，并包含这些信息。请注意，平均案例复杂性与摊销复杂性不同。前者是一种具有平均但不是所有数据/参数的复杂度，后者适用于所有输入，并表示如果频繁重复操作，则每次操作的复杂度。也就是说，一个普通的O1追加案例也可能发生！对于一些列表，例如排序列表，当您重复追加时，摊销O1追加是O1，查看总时间，并将其平均-无论列表中有什么。On是Oops。很抱歉，我的意思是，当您还将我编辑的问题的范围内的I作为因子时，它不是线性的。lst=[I for I in lst if not I%2]+[I for I in lst if I%2]是Oops。很抱歉，我的意思是，当您还将我编辑的问题的范围内的I作为因子时，它不是线性的。lst=[I for I in lst if not I%2]+[I for I in lst if I%2]嘿，回答得好。谢谢你教我，它把一切都转移到正确的方向。我不知道这是什么使它在另一个n元素上技术上工作！嘿，回答得好。谢谢你教我，它把一切都转移到正确的方向。我不知道这是什么使它在另一个n元素上技术上工作！谢谢你的那张桌子。在我前进的过程中，这绝对是无价的！谢谢你的那张桌子。在我前进的过程中，这绝对是无价的！