Question

我得到了以下代码，并被告知函子函数的Big O是Big O（n ^ 2）。我相信它是Big O（n），因为它应该是Big O（n + n），对吗？

what is Big O of following func?
nums = list(range(1, 11))
K = 4
def func(nums: list, K:int):         
    i, end = 0, len(nums)         
    res = []         
    x = []         
    while i < end:             
        res.append(nums[i:i+K])             
        i += K         
    for i in res:
        x += i[::-1]
    return x
func(nums, K)

Answer 1

该函数为O（n）。第一个while循环迭代少于n次，因为它的上限是n（end），并且每次迭代计数器都增加1以上。

for循环遍历res的子集nums。由于它是一个子集，因此不会重复n次以上，使其成为O（n）。

O（n）+ O（n）= O（n），所以您的评估是正确的。

Answer 2

实际上，此函数的大O为O（n）。假设代码格式正确。

res上的循环仍然具有线性运行时间。在任何情况下，都不会在第一个循环中将足够多的元素添加到res中，以使第二个循环的大O值为O（n ^ 2）。

如何用while + for循环计算Big O

2 个答案: