Python 寻找算法的BigO

我试图学习bigO符号和算法的时间复杂性。我很难验证我的计算是否符合以下算法：

def f(n):
    i = 0
    n = n[0]
    while i < n:
        j = n
        while j > 1:
            m = i + j
            print(m, " ", i)
            j = j // 2
        i = i + 1

def（n）：
i=0
n=n[0]
而i1时：
m=i+j
打印（m，“，i）
j=j//2
i=i+1

我正在计算算法，使其bigO为O（1）。

---

有没有一种简单的方法来计算算法的bigO而不必计算出来？

您可以通过计算/计算算法在最坏情况下（平均情况和最佳情况下有不同的符号）将要执行的“循环”的“进程”总数来计算big-O

所以如果你有这样的代码

for（int i=0；i

您需要一个最坏的

n

周期来完成这段代码，因为您可能循环它的次数最多是

n

次。其中最大的O是

O（n）

现在如果你有一段代码

for（int i=0；i

这其中的大O是

O（n*k）

，因为您循环代码

n

次，但在其中您循环另一个

k

次，执行

k

-循环

n

次

---

请原谅我使用了C风格的代码，但是我的Python已经很生锈了。

您好！除非您指定时间复杂度是根据什么来衡量的，否则这个问题实际上是无法回答的。您是在测量

n

的长度、

n[0]

的值还是其他方面？请（与an）分享您迄今为止的工作，并解释您是如何达到

O（1）

的上限的。