Python 使用多个函数的时间复杂性？

假设我们一次使用两个函数：

sorted（list（str_variable））

-Python使用复杂度为NlogN的Timsort-因此其总体复杂度变为：

N^2*logN

它将被视为函数内部的函数，因此复杂性将成倍增加（

O（N）

对于

list（）

和

O（NlogN）

对于

sort（）

）

但我也可以写：

s = list(str_variable)
res = sorted(s)

在这种情况下，它只是使用

O（N+NlogN）

---

在这两种情况下，字符串变量被拆分为单个字符，然后进行排序-因此所用的时间应该是相同的。

它不是这样工作的，首先执行

列表（stru变量）

，然后执行

排序（应答）

，本质上，上述两个函数所用的时间应该相同

在内部，它正在执行，正如您在第二个代码段中所示，因此您可以使用相同的符号

您也可以尝试这样检查：

import time
now = time.time()
sorted(list(str_variable))
print(time.time() - now )


now = time.time()
s = list(str_variable)
res = sorted(s)
print(time.time() -now)

---

我敢打赌，如果有嵌套函数调用，第一个运行得更快，那么它们的复杂性不会成倍增加

假设你的电话是

f(g(N))

在大小为

N

的输入上，

f

和

g

的时间复杂度分别为

f（N）

和

g（N）

，总时间复杂度为

G(N) + F(size(g(N))

  G(N) + F(size(g(N))
∈ O(N) + O(N log N)
= O(N log N)    since O(N) ⊂ O(N log N)

在您的示例中，

f

是

排序的

，

g

是

列表

，因此我们有以下内容：

F(N) ∈ O(N log N)
G(N) ∈ O(N)
size(g(str_variable)) = N

所以总的复杂性是

G(N) + F(size(g(N))

  G(N) + F(size(g(N))
∈ O(N) + O(N log N)
= O(N log N)    since O(N) ⊂ O(N log N)

---

这不是它的工作方式。首先，执行

list（str_变量）

，然后执行

sorted（answer）

，本质上，上面两个函数都需要相同的时间。您可以尝试：

import time；start_time=time.time（）；print（time.time（）-start_time）

要想看出区别，我敢打赌第一个会更快。：）我知道它们都需要大约相同的时间，因为从逻辑上讲，我知道它们都会被执行。你能解释一下使用大o的复杂性吗？这是我试图理解的部分。在内部，他们正在被执行，正如你在第二次执行中所显示的那样。所以你的第二个大O符号是正确的。你的第一个假设是错误的。。两者之间没有区别。。。