Logging 关于算法复杂性度量

嘿，伙计们，我是新来的，所以我会尽量保持清楚

在我当前的练习中，我将演示几种排序算法之间的时间差异。为了得到更精确的结果，我使用了一些不同大小的数组（排序、未排序）并得到了结果。我理解o的意思，大o，等等。。。所以我的问题是关于合并排序中θ的意义。更清楚地说，我知道这个特定算法的复杂性是n*log（n），但我不明白的是，当我在一个2000大小的数组中得到一个结果（例如15000毫秒）时会发生什么-如果我把它放在函数n*log（n）中，我不应该得到与系统提供的相同的数字吗？或者说我是在逃避

---

我希望我的问题是可以理解的，谢谢。

大O表示算法性能接近极限时的趋势，而不是表示任何特定值N的结果。例如，如果一个算法的性能可以用f（x）=2x+x^2表示，那么它的大O为x^2

此外，BigO是独立于硬件的

---

如果您想查看时间与大O之间的关系，请多次运行该算法，增加n值，并绘制结果图表。你会看到时间跟一个类似于大O所描述的图表一样。

你可能会在中得到一个更好的答案。我理解它的意思是它只能接近极限，我确实绘制了结果图，但我的问题是关于θ-如果极限是从上到下的，当我把n值放在功能？这对我来说有点难理解。