Time complexity 为什么计数排序的时间和空间复杂度是O（n&x2B；k）而不是O（max（n，k））？_Time Complexity_Space Complexity_Radix Sort_Counting Sort

Time complexity 为什么计数排序的时间和空间复杂度是O（n&x2B；k）而不是O（max（n，k））？

time-complexity

Time complexity 为什么计数排序的时间和空间复杂度是O（n&x2B；k）而不是O（max（n，k））？,time-complexity,space-complexity,radix-sort,counting-sort,Time Complexity,Space Complexity,Radix Sort,Counting Sort,这里，‘n’和‘k’分别是输入数组的大小和数组的最大元素由于大小为“n”的数组中有一次运行用于元素频率的计数，大小为“k”的数组中有一次单独运行，并且对于数组中的每个过程（或迭代），因此存在计数[i]迭代，其中“count”是大小为“k”的数组空间复杂性也是如此我正在寻找一个很好的解释来解释这个概念的每一点，因为你可以猜到我非常困惑。实际上，在数组k k表示数组的大小。O表示法中的“k”实际上表示最大元素如果我们写O（max（n，k）），它将隐藏算法的细节，这在很大程度上取决于最大元素实

这里，‘n’和‘k’分别是输入数组的大小和数组的最大元素

由于大小为“n”的数组中有一次运行用于元素频率的计数，大小为“k”的数组中有一次单独运行，并且对于数组中的每个过程（或迭代），因此存在计数[i]迭代，其中“count”是大小为“k”的数组

空间复杂性也是如此

我正在寻找一个很好的解释来解释这个概念的每一点，因为你可以猜到我非常困惑。

实际上，在数组

表示数组的大小。O表示法中的“k”实际上表示最大元素

如果我们写O（max（n，k）），它将隐藏算法的细节，这在很大程度上取决于最大元素

实际上，在数组

表示数组的大小。O表示法中的“k”实际上表示最大元素

如果我们写O（max（n，k）），它将隐藏算法的细节，这在很大程度上取决于最大元素

，感谢所有响应的人。但是，我想我明白了

假设：

大小为
```
N
```
的实际数组是
```
A[]
```
数组
```
A[]
```
中的最大元素为
```
K
```
用于计数大小为
```
K
```
的元素的频率的数组是
```
count[]
```
用于存储大小为
```
N
```
的排序元素的辅助数组是
```
sorted[]
```

我是这样看的，在

A[]

中运行一次以获得最大元素，再运行一次以存储每个元素的频率。这需要

O（N）

现在，在

count[]

中有一次运行，对于每个迭代，都有一个

count[i]

循环，用于在

sorted[]

中按排序顺序插入数组元素。

count[]

中所有元素的总和不能大于

。因此，这些操作的总时间是

O（N+K）

因此，最坏情况下的时间复杂度是

O（N+K）

。如果我在某个地方错了，请纠正我。

感谢所有回复的人。但是，我想我明白了

假设：

大小为
```
N
```
的实际数组是
```
A[]
```
数组
```
A[]
```
中的最大元素为
```
K
```
用于计数大小为
```
K
```
的元素的频率的数组是
```
count[]
```
用于存储大小为
```
N
```
的排序元素的辅助数组是
```
sorted[]
```