标准排序函数文献将告诉您，排序一般可以（合并，快速）在N log N中完成。
例如，如果我有这个列表：[1,6,3,3,4,2]
它将在NlogN时间内对此进行排序：[1,2,3,3,4,6]
如果我有一个列表，我按第一个属性排序，然后第二个属性怎么办？
像这样：[(1,1),(6,3),(3,4),(3,1),(2,8)]对此：[(1,1),(2,8),(3,1),(3,4),(6,3)]
时间复杂度是多少？
我想到的是，如果所有的第一个索引都是相同的，那么你只是再次进行N log N，所以同样如此。如果有一堆不同的第一个索引，你会重新排序一堆小集。
答案 0 :(得分：1)
合并排序（或快速排序）执行O(N log N)比较。它的时间复杂度为O(N log N * time_to_compare_two_elements)。比较一对元素的时间复杂度是常数（如果比较两个元素的时间是常数）。因此，排序对数组的时间复杂度也是O(N log N)。
答案 1 :(得分：1)
首先，您将比较每对的第一个元素并进行排序。使用NlogN。如果第一个元素相同，现在将比较秒元素。需要NlogN。总共2Nlogn，这只是NlogN
希望这有助于!!
答案 2 :(得分：1)
如果您不了解有关数据的更多信息，则无法保证比O(N log(N))更好：所有第一个元素可能相同，然后您将被排除第二个元素正常。
O(N log(N))约束意味着什么：如果您必须对数据进行通用比较排序，则无法对此进行改进。完全停止。
如果你做有进一步的信息，那么（正如你直观推理的那样）你可能会对此有所改进。例如，假设对于作为对中第一个元素至少出现一次的任何x，大约有log(N)个对作为其第一个元素x。在这种情况下，您的第一次传递可以更有效：
d = {}
for x, y in L:
xL = d.setdefault(x, [])
xL.append(y)
xs_sorted = sorted(d.keys())
这是（大致）O(N)，因为d.keys()有N / log(N)元素。接下来，您可以对每个N / log(N)个子列表进行排序，每个子列表的大小为log(N)：
L_sorted = []
for x in xs_sorted:
ys_sorted = sorted(d[x])
for y in ys_sorted:
L_sorted.append((x, y))
这是O(N log(log(N)))，它在运行时占主导地位 - 但优于O(N log(N))！
答案 3 :(得分：0)
Nlog（N）复杂度存在一个常数因素，这取决于计算机在决定订单之前如何进行比较。例如，如果对字符进行排序，则Nlog（N）的复杂性将变为
Nlog（N）*最大字符串大小的长度