Python-如何计算此递归函数的时间复杂度？

我想用尽可能多的方法来解决塔式料斗问题，并计算每种方法的时间复杂度（只是为了自我练习）。 解决方案之一是：

def is_hopable(arr):
    if len(arr) < 1 or arr[0] == 0:
        return False
    if arr[0] >= len(arr):
        return True
    res = False
    for i in range(1,arr[0]+1):
        res = res or is_hopable(arr[i:]) # This line  
    return res

def是可编程的（arr）：
如果len（arr）<1或arr[0]==0：
返回错误
如果arr[0]>=len（arr）：
返回真值
res=False
对于范围（1，arr[0]+1）内的i：
res=res或是(arr[i:]）#这行
返回res

---

我知道递归时间复杂度计算的一般思想，但是我很难分析注释行（在for循环中）。通常我用

T（n）=C+T（那条线）

来计算时间复杂度，并用一个通用表达式（例如T（n-k））来减少它，直到我达到基本情况，并且可以用n来表示k，但是for循环的时间复杂度是多少？

for循环的

的复杂度可以达到
O（n^2）
因为循环的每次迭代（最多n次迭代）都会执行一个切片
arr[i::
，该切片返回
arr
的副本，而不首先返回
i
元素
O（n）
。考虑到这一点，总时间是
O（n^3）

上面提到的上限很紧。

示例：
arr=[n-1，n-2，n-3，…，1，1]


替代形式：
arr[i]=n-1-i
适用于所有
i
，
0