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

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）

from

a.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）

from

a.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