Algorithm 大O表示法-包括数据结构成本？

就我的问题而言，我将包括一个示例问题

假设我们需要遍历一个由N个元素组成的向量并删除重复项。所以，我们可能会用一套，对吗？（让我们使用一个C++集，那是一棵树）

O（N）遍历每个元素的成本-然后插入到集合数据结构中

---

我的问题是，我们插入N次，这个算法是O（N logn）还是简单的O（N）？我和一位教授讨论过这件事，我不确定。Leetcode/SO/online社区似乎忽略了数据结构成本，但从学术角度来看，N插入到红色/黑色树中，并记录N最坏情况-这是记录N，N乘以否

为了澄清-是的，使用无序集更有意义，但这并不能使我的问题有效。

是的，它是

O（n*log（n））

。如果你有这样的方法

public void foo(int n) {
    for (int i = 0; i < n; i++) {
        // Call a method that is in O(log n)
        someLogNMethod();
    }
}

显然，您不会将此

中值
方法称为
θ（1）
，尽管它在恒定时间中运行（不包括
排序
方法）

但是，问题取决于
排序方法。在
O（1）
中，找一般数组的中值问题是无法解决的。您需要在分析中包含
排序
。因此，该方法实际上在
Theta（n logn+1）
中运行，即
Theta（n logn）

请注意，这个问题实际上可以在
θ（n）
中解决（请参阅）。
复杂性表示一些参考操作的计数

例如，您可以很好地计算某些黑盒结构中的插入，并枚举O（N）个插入

但是，如果您关注比较，并且您知道插入平均要花费logn个比较，那么比较的总数是O（N logn）

现在，如果您正在比较对数N个字符的字符串，您将计算O（N Log²N）个字符的比较…
Hem，median，not mean。获取排序数组的中值绝对是Θ（1）。[顺便说一下，未排序数组的中值可以在Θ（N）运算中找到。]@YvesDaoust Uff，
median
当然。谢谢，更正。@Yvesdao当然是的，但我没有声明数组已排序。实现需要先对其进行排序。我指的是计算数组的
中值的一般问题。我指的是你的“除了调用排序”。[如上所述，排序不是强制性的。]@YvesDaoust我不太确定我是否理解你的意思。我又编辑了一遍，也许这消除了混淆。“Leetcode/SO/在线社区似乎忽视了数据结构成本”[需要引用]你确定，无论发生什么情况，他们都不是指哈希集吗？SET并不意味着二进制搜索树，因为C++中就是这样的
public int median(int[] values) {
    int[] sortedValues = sort(values);

    // Let's ignore special cases (even, empty, ...) for simplicity
    int indexOfMedian = values.length / 2;

    return sortedValues[indexOfMedian];
}