Python O（n）和O（k）是什么意思？

我的任务是：

给定一个整数数组和一个数字k，其中1I取n表示数组的长度，k表示子数组的长度

⑩（n）时间是指算法所花费的时间与阵列的长度成正比。即，长度为1000的数组的运行时间将是长度为2000的数组的运行时间的一半

⑩（k）空间是算法执行计算所需的内存量，与子阵列的大小成正比。这样说，它与输入的大小无关

---

您的算法在一个循环上进行n-k+1次迭代，该循环进行k次迭代。这使得它的执行时间为k×（n-k+1）。由于k可以随n而变化，因此平均情况应为k=n/2，使您的运行时间为Ⅹ（n2）

---

由于您只需要几个整型变量，因此您的算法占用的空间为Ⅹ（1）。

这是否回答了您的问题？我仍然不确定上面的代码是O（n）时间还是O（n^2）时间？那么O（k）空间呢？它在O（k）空间和O（（n-k+1）·k）时间中工作，这不符合要求，不。（例如，选择k与n成比例，再加上一些其他限制，使其成为O（n²）。@Ry-但是O（（n-k+1）*k）=O（n*k-k^2+k）。因为我们在时间上只关心n，k被视为常数，所以它对计算不重要，所以O会被视为O（n），对吗？好的。。。因此，由于内部循环依赖于k的长度（然后被视为常数项，对吗？），整个代码在O（n）时间运行，不是吗？推断算法运行时间复杂性的一种方法是实现它，然后针对不同大小的输入执行它，然后根据输入大小绘制执行时间，并查看图形的外观。

10 = max(10, 5, 2)
7 = max(5, 2, 7)
8 = max(2, 7, 8)
8 = max(7, 8, 7)

def foo(arr, k):
    for idx in range(0, len(arr) - k + 1):
        maxI = -1
        for i in arr[idx:idx + k]:
            if i > maxI:
                maxI = i

        print(maxI) #3; 3; 3; 5; 5; 5; 10; 22

arr = [0, 1, 3, 1, 2, 5, 5, 4, 10, 22]
k = 3

foo(arr, k)