Python 大(O)符号 2. 3.
我正在学习大O符号。我希望得到上述代码的正确答案。因此,对于第一个问题,我认为它是Python 大(O)符号 2. 3.,python,performance,runtime,time-complexity,big-o,Python,Performance,Runtime,Time Complexity,Big O,我正在学习大O符号。我希望得到上述代码的正确答案。因此,对于第一个问题,我认为它是nlog(n),因为它有a.sort(),即nlog(n),还有for循环,即n。我对这个问题的回答是n+nlog(n)。既然如此小的数字被放弃了,我想说它是nlog(n) 对于问题2,我想说它也是n+log(n)(nlog(n)froma.sort和nfrom For loop)。因此,最终答案与Q1相同nlog(n) 对于问题3,我会说它是nlog(n)+2n(nlog(n)froma.sort和2nfrom
nlog(n)
,因为它有a.sort()
,即nlog(n)
,还有for循环,即n
。我对这个问题的回答是n+nlog(n)
。既然如此小的数字被放弃了,我想说它是nlog(n)
对于问题2,我想说它也是n+log(n)
(nlog(n)
froma.sort
和n
from For loop)。因此,最终答案与Q1相同<代码>nlog(n)
对于问题3,我会说它是nlog(n)+2n
(nlog(n)
froma.sort
和2n
from For循环)
我能接受这个逻辑吗?如果没有,谁能解释一下如何分析这些代码吗?对于问题2,
a.reverse()
的时间复杂度为O(n)
。它不会影响最终的答案,但只是一些需要实现的东西。a.sort()
然后a.reverse()
是愚蠢的。最好这样做:a.sort(reverse=True)
nlog(n)+2n是n*(log(n)+2)
因此O(nlog(n))
。它可能会慢一些,但比率是相同的:当n增加时,计算时间以相同的方式增加。
def largest_34(a:list):
a.sort()
m1, m2, m3, m4 = a[3], a[2], a[1], a[0]
for i in a[4:]:
if i > m1:
m4 = m3
m3 = m2
m2 = m1
m1 = i
return m3+m4
def largest_third(a:list):
n = len(a)//3
a.sort()
a.reverse()
sum_n = 0
for i in range(n):
sum_n += a[i]
return sum_n
def third_at_least(a:list):
L2 = []
a.sort()
MatchNum = (len(a)//3 + 1)
Return_Val_in_List = []
for i in range(len(a)):
if (i == len(a)-1):
CountNum = (a[i], a.count(a[i]))
L2.append(CountNum)
elif a[i] != a[i+1] and i != (len(a)-1):
CountNum = (a[i], a.count(a[i]))
L2.append(CountNum)
for j in range(len(L2)):
if L2[j][1] >= MatchNum:
Return_Val_in_List.append(L2[j][0])
if Return_Val_in_List == []:
return None
else:
return Return_Val_in_List