大(O)符号

时间:2017-12-19 21:13:29

标签: python performance runtime time-complexity big-o

def largest_34(a:list):

    a.sort()
    m1, m2, m3, m4 = a[3], a[2], a[1], a[0]

    for i in a[4:]:
        if i > m1:
            m4 = m3
            m3 = m2
            m2 = m1
            m1 = i           

    return m3+m4

2

def largest_third(a:list):

    n = len(a)//3
    a.sort()
    a.reverse()
    sum_n = 0

    for i in range(n):
        sum_n += a[i]

    return sum_n

3

def third_at_least(a:list):
    L2 = []
    a.sort()
    MatchNum = (len(a)//3 + 1)
    Return_Val_in_List = []
    for i in range(len(a)):
        if (i == len(a)-1):
            CountNum = (a[i], a.count(a[i]))
            L2.append(CountNum)     

        elif a[i] != a[i+1] and i != (len(a)-1):
            CountNum = (a[i], a.count(a[i]))
            L2.append(CountNum)

    for j in range(len(L2)):
        if L2[j][1] >= MatchNum:
                Return_Val_in_List.append(L2[j][0])

    if Return_Val_in_List == []:
        return None
    else:
        return Return_Val_in_List

我正在学习大写符号。我希望得到上述代码的正确答案。因此,对于第一个问题,我认为它是nlog(n),因为它有a.sort(),即nlog(n)和for循环,即n。我对这个问题的回答是n+nlog(n)。由于这些小数字被抛弃,我会说它是nlog(n)

对于问题2,我会说n+log(n)(来自nlog(n)的{​​{1}}和来自for循环的a.sort)。因此,最终答案与Q1相同。 n

对于问题3,我会说nlog(n)(来自nlog(n)+2n的{​​{1}}和来自for循环的nlog(n)

我能接受这个逻辑吗?如果没有,有人可以解释如何分析这些代码吗?

0 个答案:

没有答案