Python 有人能解释一下这一行的复杂性吗？

我在计算这条线的时间复杂度时遇到了麻烦。对我来说，这似乎是二次O（n**2）。因为如果我不使用列表理解，我必须通过这里的嵌套循环

    AB = Counter([(a+b) for a in A for b in B])

您的线路：

AB = Counter([(a+b) for a in A for b in B])

相当于（忽略列表理解更快且不逐个追加*）的事实：

• 关于列表理解的区别：理解实现更快（已解释），但这并不意味着它的时间复杂度与O（n2）不同。另外：append是O（k）

---

总之，它是以O（n2）为界的。

事实上，它是O（n**2），这正是你所说的原因。你为什么感到困惑？因为我注意到在LeetCode列表中理解要快一点。如果需要和嵌套相同的时间，为什么会发生这种情况？顺便说一句，非常感谢您的回复。当代码X比Y快时，您无法得出X的时间复杂度比Y好的结论。事实并非如此。甚至可以证明X的时间复杂度比Y差。a或B是否有已知的大小，相对于另一个或常数？我将其表示为O（A*B），除非您可以安全地假设A和B的大小相似（并且都可以称为“n”）。

O（n*M）

--与等效嵌套循环相同（

n

是A的线性大小，

M

是B的线性大小）--由于字节码的开销，ListComp比python中的普通循环稍微快一点，但它们在算法上并不是那么简单。我得到了它。

# given lists A, B
AB0 = []

# this is O(n2)
for a in A:
    for b in B:
        AB0.append(a+b) 

AB = {}

# this is O(m), m=n2
for ab in AB0:
    if ab not in AB:
        AB[ab] = 0
    AB[ab] += 1