Question

我实现了对n长度列表中从1到n的整数进行计数。条件是不允许其他数据结构。仅处理原始列表。打印出整数及其计数
例如：

org_arr  = [3, 4, 3, 1]
count_int(org_arr )
for i, item in enumerate(org_arr , 1):
    print(i, '->', abs(item))

输出：

1 -> 1
2 -> 0
3 -> 2
4 -> 1

下面是我对count_int（）的实现

def count_int(arr):
    for i, check_index in enumerate(arr):
        if check_index > 0:
            arr[i] = 0
            while True:
                next_item = arr[check_index-1]
                if next_item < 0:
                    arr[check_index-1] -= 1
                    break
                elif next_item > 0:                     
                    arr[check_index-1] = -1
                    check_index = next_item
                else:
                    arr[check_index-1] = -1
                    break

count_int（）使用负计数，并且对于整数k（指定为1 <= k <= n）使用index = k-1来实现目标。运行后，原始数组org_arr是[-1, 0, -2, -1]

我的问题是这个函数的大作用。是O（n）还是O（n ^ 2）？

在最坏的情况下，org_arr [0]的for循环需要while循环的n-1个循环，才能将org_arr [1]的值设置为org_arr [n-1]的负计数器。在那之后，while循环将永远不会被调用。因此，它是（n-1）个while循环+（n-1）个for循环。它将是2（n-1）。因此，它是O（n），但是我的朋友说它是O（n ^ 2），因为在for循环中有一个嵌套的while循环。

Answer 1

您的分析是正确的。在许多情况下，嵌套循环会导致O（n ^ 2）性能，但是在这种情况下，同一索引在while循环中不能为正两次。这意味着while循环在所有迭代中的总运行时间最多为一个常数的n倍加上另一个常数的n倍，即O（n）（因为它可以在一个循环中检查多达n个元素，但是之后，如果再次点击同一元素，它将在固定时间内返回）。当然，它不能比O（n）更快地运行，因为for循环一次接触每个元素。

问：for循环内嵌套while循环的大O

1 个答案: