这个函数的大O是什么？ def fd（n）： x、 y，count1，count2=n，1,0,0 而（x>1）：（x，count1）=（x/5,1+count1） 而（y无穷大）是没有意义的。我们也忽略了这样一个事实，即如果输入是一个double，那么它的大小是恒定的，因此算法的复杂性是恒定的（严格地说）O（1）（巨_常数乘以1），巨_常数等于最坏情况下的时间（该常数可能取决于您可以用Python的double表示的最大数） 总结：

让我们看看。第一个循环计算

n

可以除以5的次数，因此

count1

是log（n）（O（）计算中不计算常数）。然后，第二个循环计算可以将多少次

count1

（=log（n））添加到1以获得

n

，因此它基本上循环n次/log（n）

在我看来，这是O（log（n）+（n/log（n）））

---

正如J.F.塞巴斯蒂安指出的，n/log（n）支配着log（n），所以最终的答案应该是O（n/log（n））。

让我们看看。第一个循环计算

n

可以除以5的次数，因此

count1

是log（n）（O（）计算中不计算常数）。然后，第二个循环计算可以将多少次

count1

（=log（n））添加到1以获得

n

，因此它基本上循环n次/log（n）

在我看来，这是O（log（n）+（n/log（n）））

---

正如J.F.塞巴斯蒂安所指出的，n/log（n）支配着log（n），所以最终的答案应该是O（n/log（n））。

我想指出，这个问题的答案取决于我们所谈论的内容是否一致（双倍数字会被操纵这一事实很重要吗？你想要一个听起来不令人满意的理论答案还是一个实际的答案？）

请让我重新表述一下这个答案：

人们用大O符号演奏有点快和松

算法复杂性，以及由此产生的大O表示法，应该以输入的位大小来表示，而不是以输入的值来表示。假设二进制输入和任意大的数字，N为输入的位数，N=log（N）。 复杂性为O（exp（N）/N）=O（exp（N）/N），因为第二个循环需要N/log（N）个步骤=exp（N）/N个步骤

实际上，把复杂度当作N是输入本身，而不是输入的大小来讨论是有意义的。在这种情况下，函数的复杂度是N/log（N）

不管怎样，我们忽略了n受double定义的限制这一事实，因此严格来说，讨论渐近行为（n->无穷大）是没有意义的。我们也忽略了这样一个事实，即如果输入是一个double，那么它的大小是恒定的，因此算法的复杂性是恒定的（严格地说）O（1）（巨_常数乘以1），巨_常数等于最坏情况下的时间（该常数可能取决于您可以用Python的double表示的最大数）

总结：

---

正式答案是O（1），但O（exp（N））没有答案那么糟糕，O（N/log（N））也是一个很好的答案（可能是你真正需要的）。

我想指出，这个问题的答案取决于我们所谈论的内容是否一致（双倍数字会被操纵这一事实很重要吗？你想要一个听起来不令人满意的理论答案还是一个实际的答案？）

请让我重新表述一下这个答案：

人们用大O符号演奏有点快和松

算法复杂性，以及由此产生的大O表示法，应该以输入的位大小来表示，而不是以输入的值来表示。假设二进制输入和任意大的数字，N为输入的位数，N=log（N）。 复杂性为O（exp（N）/N）=O（exp（N）/N），因为第二个循环需要N/log（N）个步骤=exp（N）/N个步骤

实际上，把复杂度当作N是输入本身，而不是输入的大小来讨论是有意义的。在这种情况下，函数的复杂度是N/log（N）

不管怎样，我们忽略了n受double定义的限制这一事实，因此严格来说，讨论渐近行为（n->无穷大）是没有意义的。我们也忽略了这样一个事实，即如果输入是一个double，那么它的大小是恒定的，因此算法的复杂性是恒定的（严格地说）O（1）（巨_常数乘以1），巨_常数等于最坏情况下的时间（该常数可能取决于您可以用Python的double表示的最大数）

总结：

---

正式答案是O（1），但O（exp（N））没有答案那么糟糕，O（N/log（N））也是一个好答案（可能是你真正需要的）。

或

O（N/log（N））

（同样的事情）@J.F.Sebastian-是的，这是对的，因为N/log（N）支配着log（N）。更新了答案。或

O（N/log（N））

（同样的事情）@是的，这是对的，因为n/log（n）支配log（n）。更新了答案。O（1）？我认为这不是答案。这个函数不需要固定的时间。也许我写得不好，也许我错了。在我看来，也请看我链接到的答案，大O应该取决于输入大小（而不是输入值）。我很高兴我得到了一些反馈，我希望我们可以讨论一下。你通常是正确的，但在这种情况下，输入值是输入大小。请注意，函数随输入发生变化的时间，因此不可能是O（1）。如果我说1023的大小是10，双精度的大小是64，我希望我没有错。（所以输入的大小！=值）。这就是我的意思。我们用三种不同的方式使用单词大小。当你读到“输入的大小”时例如，它们只是指集合中的元素数或其他。当我说大小时，我指的是相同的东西，当我说值时，我指的是

n

等于的数字，在

fd

内。当你说它时，你指的是数字中的位数，与这种情况无关。O（1）？我认为这不是答案。这个函数不需要固定的时间。也许我写得不好，也许我错了。在我看来，也请看我链接到的答案，大O应该取决于输入大小（而不是输入值）。我

def fd(n):
    x,y,count1,count2 = n,1,0,0
    while (x > 1): (x,count1) = (x/5,1+count1)
    while (y < n): (y,count2) = (count1+y,1+count2)
    return count2