Time complexity 计算big-O时如何处理本机函数的时间复杂性

我正在学习时间复杂性，并注意到我看到的教程没有考虑本机函数的时间复杂性（本例中为Javascript）

下面的函数用于删除数组中的重复值并返回排序后的数组，其时间复杂度为O（n），而不是O（n+nlogn）。O（n）正确吗？在计算时间复杂度时，我们是否应该考虑本机函数的时间复杂度

function uniqueSort(arr) {
    const store = {};
    const result = [arr[0]];

    for(let i =0; i < arr.length; i++) {
        if(!store[arr[i]]) {
            result.push(arr[i]);
            store[arr[i]] = true;
        }
    }
    return result.sort((a,b) => a - b);
}

函数唯一排序（arr）{
常量存储={}；
常量结果=[arr[0]]；
for（设i=0；ia-b）；
}

O（n）正确吗

O（N）不正确。评估函数的时间复杂度时，必须逐行考虑函数中所有操作的时间复杂度，包括本机函数的时间复杂度。如果您所做的只是在自己的函数内部调用各种本机函数（这可能非常昂贵！），那么调用函数O（1）就没有多大意义

您提供的函数片段将是O（n+nlog（n）），因为存在循环数组的操作（O（n））以及使用javascript的本机函数nlog（n）进行排序的操作

通常，在Big-O表示法中，我们仅根据函数的最慢操作对其进行分类，因此您也可以将函数描述为O（nlogn）

“大O”并不是对所有语言都有一个公认的定义。为了得到准确的答案（而不仅仅是描述性地使用术语），需要定义什么是单个操作。