Time complexity O（n^3）带有if/elif/else语句的函数的复杂性

考虑以下伪代码。它有一个if/else/if语句。在每个条件分支中，都有一个嵌套的三重for循环。该语句的复杂性是O（n^3），因为函数只能采用一条路径（即if、elif或else），还是比这更复杂

def myFunction(myVariable, myList):
    if myList == conditionOne:
        for sublist in myList:
            for element in sublist:
                for char in element:
                    print(char)
    elif myList == conditionTwo:
        for sublist in myList:
            for element in sublist:
                for char in element:
                    print(char)
    else:
        for sublist in myList:
            for element in sublist:
                for char in element:
                    print(char)

---

我假设

n

是列表

myList

的长度（子列表的数量），那么函数的时间复杂度不仅取决于列表

myList

的长度，还取决于：

• 每个子列表的最大长度（每个子列表中的最大元素数-每个分支条件的循环的第二个

  ）
  

• 每个元素的最大长度（每个元素中的字符数-循环的第三个

  ）
  

---

确切地说，如果

n

、

m

、

p

分别是列表的长度、每个子列表的最大长度和每个元素的最大长度，那么在最坏的情况下，算法的时间复杂度是O（n*m*p）。

我假设

n

是列表的长度

myList

（子列表的数量），那么函数的时间复杂度不仅取决于列表的长度

myList

，还取决于：

• 每个子列表的最大长度（每个子列表中的最大元素数-每个分支条件的循环的第二个

  ）
  

• 每个元素的最大长度（每个元素中的字符数-循环的第三个

  ）
  

---

准确地说，如果

n

、

m

、

p

分别是列表的长度、每个子列表的最大长度和每个元素的最大长度，则算法的时间复杂度为O（n*m*p）在最坏的情况下。

它比这更复杂，但不一定是因为条件。您当前的代码在每个分支中都是相同的，虽然您的真实代码可能与此不完全相同，但它可能是一个很好的近似值。在这种情况下，困难完全来自其他地方

当前代码的复杂度是所有子列表中所有元素的长度之和。如果

n

是

myList

长度的上限，则每个

子列表和每个
元素的复杂度为O（n³），否则可能会变得复杂

另一个简单的特殊情况是：


myList
具有长度
n
每个
子列表
的长度最多为
m
每个
元素
的长度最多为
k

那么您的复杂性将是O（nmk），假设
n
，
m
和
k
为正。
比这更复杂，但不一定是因为条件。当前代码在每个分支中都是相同的，虽然真实代码可能看起来不完全一样，但可能是一个很好的近似值。在这种情况下，困难在于我是从别处来的

当前代码的复杂度是所有子列表中所有元素的长度之和。如果
n
是
myList
长度的上限，则每个
子列表和每个
元素的复杂度为O（n³），否则可能会变得复杂

另一个简单的特殊情况是：


myList
具有长度
n
每个
子列表
的长度最多为
m
每个
元素
的长度最多为
k

然后您的复杂度将是O（nmk），假设
n
，
m
和
k
为正。
此代码的复杂度实际上是
O（1）
。关于哪个条件是真的，以及列表、子列表和元素的长度是多少，您在读取第一个字符后立即返回

如果这是一个错误，并且您实际上正在迭代所有字符，这将取决于什么是
n
，有两种常见的方法来定义它：

通常在讨论时间复杂度时，我们根据输入定义它。在这里，您的算法（假设迭代所有元素）在输入大小上是线性的，因此复杂度实际上是
O（n）
.From:
运行时分析是一种理论分类，它估计并预测随着**输入大小（通常表示为n）的增加**算法的运行时（或运行时）的增加……
如果您将
n
称为
mylist
中的子列表数，而不是输入的大小，并且每个子列表都有
m
元素，每个元素的长度
k
（均为平均值）。那么，复杂性为
O（n*m*k）
这段代码的复杂性实际上是
O（1）
。关于哪一个条件为真，以及列表、子列表和元素的长度-您在读取第一个字符后立即返回

如果这是一个错误，并且您实际上正在迭代所有字符，这将取决于什么是
n
，有两种常见的方法来定义它：

通常在讨论时间复杂度时，我们根据输入定义它。在这里，您的算法（假设迭代所有元素）在输入大小上是线性的，因此复杂度实际上是
O（n）
.From:
运行时分析是一种理论分类，它估计并预测随着**输入大小（通常表示为n）的增加**算法的运行时（或运行时）的增加……
如果将
n
称为
mylist
中的子列表数，而不是输入的大小，并且每个子列表都有
m
元素，则每个