Python 时间复杂度O（n）是如何计算的？

让我们假设以下代码（Python）-数组中的Leader

def goldenLeader(A):
    n = len(A)
    size=0
    for k in xrange(n):
       if (size == 0): size += 1
          value = A[k] else:
       if (value != A[k]): size -= 1
       else:
         size += 1
    candidate = -1 if (size > 0):
    candidate = value leader = -1
    count = 0
    for k in xrange(n):
        if (A[k] == candidate): count += 1
    if(count>n//2): leader = candidate
    return leader

因此，由于我们要遍历数组A两次，时间复杂度应该是O（n+n）

但提到时间复杂度为O（n）

---

为什么呢？

O符号只关心

n

的顺序（换句话说，

n

的幂）。因此，

n

被提升到1的幂的任何事物都被认为是

O（n）

，例如

O（n）

，

O（2n）

，

O（n+1）

等

---

类似地，

O（n^2）

，

O（n^2+2n）

等都被认为是

O（n^2）

O（n+n）==O（2n）==O（n）

。大O表示法“隐藏”乘法常数；我推荐一点它是如何工作的。应该注意的是O（n）和所有其他O都是集合，而不是数字。更好的表达方式是O（n+n）∈ O（n）.@chepner if-Big-O表示法“隐藏”乘法常数；如果m>n，那么O（m+n）应该是O（m）。@manishkumar m+n是任意的。O（m）==O（n）在您的示例中，即使m>n，就大O而言。图形算法的运行时间通常有这样一个“分割”输入大小，以强调图形的密度如何影响运行时间。比较Dijkstra的单源最短路径算法（

O（m+n lg n）

），该算法对图中的边数敏感，而Floyd Warshall的算法（

O（n^3）

）则不敏感。感谢您的简短回答。大家好！！！阅读更多“换句话说，n的力量”：它关心的更多，每一个非常数因子都是相关的，比如

O（n log n）

，这当然不等于

O（n）

@walnut，但请注意，我没有提到这个例子

O（n*logn）

与

O（n+logn）

不同<代码>O（n+logn）是

O（n）