Python 时间比较：为什么一个带有三个赋值语句的单for循环比三个带有一个赋值语句的顺序for循环快两倍？

为什么try1的速度是try2的两倍？这些函数不是都是O（n）吗？执行时间的差异是否完全是由于开销造成的

我是编程新手，正在通过Python自学算法和数据结构

根据我下面的文本，第一个函数的时间复杂度应该是3n（三个表示三个赋值语句），第二个函数的时间复杂度应该是n+n+n，或者3n

我错过了什么

def try1(n):
    start = time.time()
    for i in range(n):
        a = 1
        b = 2
        c = 3

    end = time.time()
    return c,end-start

def try2(n):
    start = time.time()
    for i in range(n):
        a = 1
    for i in range(n):
        b = 2
    for i in range(n):
        c = 3

    end = time.time()
    return c,end-start

（1） 如果range（n）实际上是在计算一个整数列表，那么您要做三次，而不是一次。 （2） 在第一个循环中，循环变量在n个事物的列表中循环一次，而在第二个循环中，循环变量在n个事物的列表中循环三次

我想第二个永远不会比第一个快，在没有优化编译器的情况下，我希望第二个会比第一个慢

你可以考虑尝试这个实验：

start = time.time()
for i in range(1000000):
    for j in range(n):
        break
end = time.time()
return c,end-start

用这段时间除以一百万，你应该对通话范围（n）的原始成本有一个很好的了解。如果这是你所看到的额外时间中最大的一部分，我也不会感到惊讶（与在列表中重复两次相比）

如果是这样的话，您还可以改进第二个示例，首先计算x=range（n），然后在x中使用i三次。

（1）如果range（n）实际上是在计算整数列表，那么您要做三次，而不是一次。 （2） 在第一个循环中，循环变量在n个事物的列表中循环一次，而在第二个循环中，循环变量在n个事物的列表中循环三次

我想第二个永远不会比第一个快，在没有优化编译器的情况下，我希望第二个会比第一个慢

你可以考虑尝试这个实验：

start = time.time()
for i in range(1000000):
    for j in range(n):
        break
end = time.time()
return c,end-start

用这段时间除以一百万，你应该对通话范围（n）的原始成本有一个很好的了解。如果这是你所看到的额外时间中最大的一部分，我也不会感到惊讶（与在列表中重复两次相比）

---

如果是这种情况，您还可以改进第二个示例，首先计算x=range（n），然后在x中使用i三次。

两种方法的时间复杂度都是O（n），但因子不同。Python代码不是使用一个优化编译器编译的，运行一个循环确实会带来一些开销。但是循环还包括

i

的变量赋值。在第一个例子中发生了n次，在第二个例子中是3*n次，没有O（3n）这样的东西，它只是O（n）。它告诉你一个给定的算法的主导项是什么，所以你可以粗略地考虑，在这里，对于n的大值，时间将与n成正比，如果n加倍，则时间加倍。它没有说别的，也没有告诉任何关于有效速度的事情。对于一些较小的n值，O（n^3）算法可能比O（log（n））算法快，我们只知道前者在n增长的某个点会变得慢得多。这两种方法的时间复杂度都是O（n），但有不同的因素。Python代码不是使用一个优化编译器编译的，运行一个循环确实会带来一些开销。但是循环还包括

i

的变量赋值。在第一个例子中发生了n次，在第二个例子中是3*n次，没有O（3n）这样的东西，它只是O（n）。它告诉你一个给定的算法的主导项是什么，所以你可以粗略地考虑，在这里，对于n的大值，时间将与n成正比，如果n加倍，则时间加倍。它没有说别的，也没有告诉任何关于有效速度的事情。对于一些较小的n值，O（n^3）算法可能比O（log（n））算法快，我们只知道，当n增长时，前者在某个点会变得慢得多。