【Python】什麼是演算法？｜演算法介紹、新手快速入門

前言

在開始真正工作前無法深刻體會到演算法的重要，感覺演算法就是在天上飛的code，好似去買菜與三角函數的關係，完全用不到，不知道為什麼要學。

直到真正出社會後發現，在處理形形色色不同狀況，客戶需求，數據資料量等等都會使演算法變得格外重要。

但也並不是說什麼程式都要用big(O)算出最高效率的解法，而是腦中如果有足夠的演算法知識時，就能適時的運用演算法去更有效率的解決問題．

以下是針對演算法基本介紹

什麼是演算法？

演算法（Algorithm）是一套有序的指令或規則，用來解決特定問題或執行特定任務的計算過程或方法。演算法可以視為一種計算的流程或步驟，它接受輸入資料，經過一系列的處理步驟，最終產生輸出結果。

演算法具有以下重要特徵：

1. 明確性（Well-Defined）：演算法必須以明確、精確的方式描述，每個步驟都要清晰無歧義。

2. 有限性（Finiteness）：演算法必須在有限的時間內完成，不能無限運行或進入無限循環。

3. 輸入（Input）：演算法接受輸入資料，這些資料可能是問題的參數或初始值。

4. 輸出（Output）：演算法產生輸出結果，這可能是解決問題的答案或執行任務的結果。

5. 有效性（Effectiveness）：演算法必須能夠在合理的時間內解決問題，即使它可能需要多個步驟。

演算法在計算機科學和許多其他領域中都起著關鍵作用，因為它們用於解決各種不同的問題，從數學問題到資料處理、圖形處理、機器學習等各個領域。學習演算法有助於提高問題解決能力，並優化計算過程，以確保有效率的處理各種工作。

為什麼學習演算法重要？

在計算機科學和許多其他領域中都具有重要的影響和應用。

以下是學習演算法的重要性：

問題解決能力： 演算法是解決各種問題的工具。無論是在軟體開發、數學、工程、資料科學還是其他領域，學習演算法可以提高你的問題解決能力，使你能夠開發出更有效的解決方案。
效能優化： 優化算法的選擇和實施可以顯著提高計算效能。在大數據處理、圖形處理、機器學習等領域，高效的演算法可以節省大量計算時間和資源。
基礎知識： 演算法是計算機科學的基礎知識之一。學習演算法有助於建立對計算機科學核心概念的理解，包括資料結構、遞迴、分治、動態規劃等。
軟體開發： 在軟體開發中，演算法是實現各種功能和特性的關鍵。了解不同的演算法可以幫助你設計更穩健、高效的軟體應用程序。
面試和職業發展： 學習演算法通常是技術面試的一部分，特別是在科技公司和軟體開發職位中。具備演算法知識可以增加你在招聘過程中的競爭力，有助於職業發展。
科學研究： 在科學研究中，演算法用於模擬、數值計算、實驗數據分析等。了解適當的演算法可以幫助研究人員更好地處理實際問題。

學習演算法是提高問題解決能力、優化效能、擴展職業機會和深入理解計算機科學基礎知識的重要途徑。無論你是計算機科學專業的學生、軟體工程師、數據科學家還是其他領域的專業人士，都會受益於深入學習演算法。

如何分析演算法的效能？

分析演算法的效能是計算機科學中的重要工作，它有助於評估不同演算法在處理特定任務時的效率和性能。以下是分析演算法效能的一些主要方法和步驟：

理解時間複雜度和空間複雜度： 時間複雜度是衡量演算法運行時間的指標，而空間複雜度是衡量演算法使用的記憶體空間的指標。了解這些複雜度有助於你比較不同演算法的效能。
測試和實驗： 實際執行演算法並測試其性能是重要的步驟。你可以使用不同大小的輸入數據集來評估演算法的運行時間和記憶體使用。通常，你會測試演算法的最壞情況、平均情況和最佳情況的性能。
使用大O表示法（Big O Notation）： 大O表示法是一種用於描述演算法時間複雜度的符號表示法。它幫助你了解演算法運行時間如何隨著輸入大小的增加而增長。常見的大O符號包括O(1)、O(log n)、O(n)、O(n log n)、O(n^2)等，它們表示了不同類型的複雜度。
考慮最壞情況和平均情況： 除了最壞情況的時間複雜度外，還應評估演算法在平均情況下的性能。有些演算法可能在特定情況下效能很好，但在其他情況下效能較差。
比較不同演算法： 如果有多個解決相同問題的演算法，應評估它們之間的效能。選擇最適合特定應用的演算法可能需要權衡時間和空間複雜度。
考慮實際應用需求： 最後，複雜度分析應該考慮實際應用需求。有時候，快速解決問題的演算法可能不是最佳選擇，因為它可能需要更多的記憶體或其他資源。

總之，分析演算法的效能需要理解複雜度理論、進行實際實驗測試，並考慮實際應用需求。這有助於選擇最適合特定情況的演算法，並優化計算過程。在計算機科學和軟體開發中，這是一項關鍵的技能。

我想馬上開始！

資料結構解說快速通道：
1. 【Python】Stack(堆疊) 資料結構實作
2. 【Python】Single Linked List(單向鏈結串列) 資料結構實作
3. 【Python】Binary Search Tree (二元搜尋樹) 資料結構實作(1)
4.【Python】Binary Search Tree (二元搜尋樹) 資料結構實作(2)

推薦入門書籍

精通 Python：運用簡單的套件進行現代運算（第二版）

之前開始入坑python時就是用這本打底的（有換封面過）

這本書除了前幾張介紹基本的語法之外

後續幾張開始介紹與python相關的延伸性的功能

非常適合程式設計初學者以及剛要開始學習這個語言的讀者

羅列以下幾點關於本書大綱供大家參考

學習簡單的資料類型、基本數學運算與文字操作
以Python的內建資料結構處理資料
探索Python程式碼結構，包括函式的使用
使用模組與套件編寫大型Python程式
深入討論物件、類別與其他物件導向功能
檢視一般檔案、關聯式資料庫與NoSQL的儲存機制
使用Python建構web用戶端、伺服器、API與服務
管理系統工作，例如程式、程序與執行緒
瞭解並行處理與網路程式設計的基礎

前往博客來購買 -- 中文版

前往博客來購買 -- 英文版

流暢的 Python：清晰、簡潔、有效的程式設計

適合已經有Python程式語言基礎的人

這本書更詳細的介紹有關python的用法

讓我們寫的程式可以更加"Pythonic"

建議可以與英文版同時閱讀

以後在查閱stackoverflow文獻的時候能不因語言而產生隔閡

Python 資料模型：瞭解特殊方法是讓物件具備一致行為的關鍵
資料結構：充分使用內建的型態，並瞭解 Unicode 時代中，文字 vs. bytes 之間的關係
函式就是物件：見識 Python 函式是一級物件，並瞭解這個事實如何影響熱門的設計模式
物件導向的習慣用法：學習參考、可變性、介面、運算子多載與多重繼承，並建構類別
控制流程：藉由 concurrent.futures 與 asyncio 套件，來充分活用情境管理器、產生器、協同程序與並行
中繼編程：瞭解特性、屬性描述器、類別修飾器與中繼類別的工作原理

前往博客來購買 -- 中文版

前往博客來購買 -- 英文版

演算法圖鑑

直觀理解，從基礎開始學習，全圖像化step by step，讓不懂程式的人也能利用圖形了解各種演算法的特質跟運作．

雖然內容並沒有程式實作

但內容演算法流程圖片非常精美

非常適合用來教學或以圖像的方式了解演算法的運作！

前往博客來購買 — 中文版

Python 自動化的樂趣：搞定重複瑣碎&單調無聊的工作(第二版)

Python 自動化的樂趣｜搞定重複瑣碎& 單調無聊的工作(中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners) | 天瓏網路書店

如果想使用自動化來增強工作流程效率，大推本書

之前這本書只有英文版

在博客來等了1個月還是沒等到

沒想到在2020/08/28 出了中文版

二話不說馬上看看人家都是怎麼用python來完成例行公事的

除了運用Python寫出程式，在幾分鐘內搞定人工手動處理需要花費數小時的工作。

探索Python豐富的模組程式庫來完成某些特定工作

例如從網站上抓取資料、讀取PDF和Word文件，以及自動化執行滑鼠點按和鍵盤輸入的工作。

　‧在一個或多個檔案中搜尋文字
　　‧建立、更新、搬移和重新命名檔案和資料夾
　　‧搜尋網頁和下載網路上的圖文內容
　　‧處理PDF檔的分割與合併，加入浮水印和加上密碼等作業
　　‧傳送Email和簡訊
　　‧填寫線上表單