Arrays 从具有空值的数组中随机选择非空元素的复杂性是什么？

假设我有一个数组，我想从数组中随机选择元素，但有些数组元素为空，如下所示：

[0, 1, 3, null, 3, 2, null, 9, 12]

如果我随机选择它们（使用一个好的、无偏的随机数生成器），并落在空值上，那么我会再次随机选择，直到找到一个非空元素。我这样做是为了避免在我的选择中引入偏见

问题是：这种选择的时间复杂度是多少（用大O表示法，或者更合适的时间复杂度表示法）

显然，如果所有元素都为null，那么它将永远不会完成，如果所有元素都不为null，那么它就是O（1），但我不清楚如何表示中间的值

---

我知道另一种组织数组的方式可以避免漏洞，然后它可能总是O（1）：我不是问如何更好地实现它，我是问如何表达这种复杂性。

正如您所指出的，在最坏的情况下，该算法永远不会终止，因此是未定义的（或无限）

---

您可能更感兴趣的是，它比最坏情况下的复杂度更常用来描述您的算法。

谢谢，我想我没有考虑过这种算法的时间复杂度可能未定义的可能性。这并不是您想要的，但我想指出的是，您甚至不需要更改数组的组织，就可以使时间复杂度达到O（N）（以O（N）空间为代价）。只需在已知的空值之间随机选择即可。IE：从随机选择索引0和8开始。如果得到索引6，则随机选择0到5和7到8之间的值。选择一个较大的可用间隔可能更好。0和5之间的随机选择可能导致索引3。可用的间隔是0到2，4到5，7到8，其中任何一个都会产生有效值。我可以看到这是如何工作的，但这不会增加随机选择的偏差吗？毕竟，这些区域的大小不尽相同……公平地说，这会给随机选择增加一些偏差。如果这是一个主要问题，你可以把它们当作链表。可以将间隔0到2、4到5和7到8计算为7个元素的列表，然后从中随机选择一个索引。尽管如此，您还需要确定索引引用的元素在哪个区间，这似乎需要使用区间树，使算法为O（N logn）。我还认为，对于我的第一个算法，平均时间是O（k/N），对于这个算法，平均时间是O（（k/N）log k），其中k是空值的数量。最坏情况下的原始算法可以通过在m次迭代后找到空值的概率来更好地描述，即O（（k/N）^m）），其中k是数组中空值的数量。如果数组没有非空元素，则在无限次迭代后找到空值的概率为1，因此算法不会终止。