Python while循环的时间复杂度

我根本不确定我是否理解时间复杂性的计算。我得到了这些循环，这些是我的计算。然而，我完全不知道该怎么说大O在这里

循环1：

lst = []                   
i=1                        
while i<n:
  lst = list(range(i))       
  i *= 2 

lst=[]
i=1
而i循环1:O（n logn）

循环运行log2（n）次，其平均值为O（logn）。每次迭代（在最坏的情况下）执行n个操作。所以复杂性是O（n logn）

循环2:O（对数n）

循环运行log2（n）次，其平均值为O（logn）。我假设赋值
lst=lst+[I]
只是添加节点（而不是创建新列表）。它的平均值是O（1），所以复杂度是O（logn）。如果我错了，分配会创建一个新的列表，因此每次迭代（在最坏的情况下）都会执行n个操作。因此复杂性是O（n logn）

循环3:O（对数n）

就像在循环2中一样。在这里，作业肯定是O（1），而不是假设…
第二个作业是今天早些时候发布的。它可能会帮助您理解所有这些。也许这更适合于。您需要考虑在执行

循环时，执行了多少次。首先考虑它像sweeneyrod所说的那样循环了多少次，然后考虑每次迭代都做了些什么。在考虑迭代次数时，不要使用实际数字，只考虑它与

n

的关系。

i

是否每次都加倍？然后它将以

log2（n）

的增量达到

n

。@KEYSER我知道每个循环将迭代log2n次，因为在每种情况下，I都是双倍的。使我困惑的是除了加倍i之外的其他操作，特别是+=和常规加法之间的差异。

lst = []            
i=1                 
while i<n:
  lst = lst + [i]      
  i *= 2    

lst = []          
i=1                
while i<n:
  lst += [i]         
  i *= 2