基数排序的时间复杂度为O（kn），其中n是要排序的键数，k是键长。类似地，trie中的插入，删除和查找操作的时间复杂度是O（k）。但是，假设所有元素都不同，则不是k> = log（n）？如果是这样，那将意味着Radix sort的渐近时间复杂度为O（nlogn），等于quicksort的值，并且trie操作的时间复杂度为O（logn），等于平衡二叉搜索树的时间复杂度。当然，常数因素可能会有很大差异，但渐近时间的复杂性不会。这是真的，如果是这样，基数排序和尝试与其他算法和数据结构相比还有其他优势吗？
修改
Quicksort及其竞争对手执行O（nlogn）比较;在最坏的情况下，每次比较将花费O（k）时间（键仅在检查的最后一位数上有所不同）。因此，这些算法需要O（knlogn）时间。通过相同的逻辑，平衡二叉搜索树操作需要O（klogn）时间。
答案 0 :(得分：2)
大O表示法不是这样使用的，即使k> = log n进行基数排序，O（kn）意味着如果n加倍，你的处理时间会加倍等等，这就是你应该如何使用big-o符号
基数排序的一个优点是最坏的情况是O（kn）（快速排序的O（n ^ 2））因此基数排序在某种程度上比快速排序更能抵抗恶意输入。如果你使用按位运算，2的幂作为基数，就地msd-radix排序与较小数组的插入排序，它也可以真正快速实现性能。
相同的参数对于尝试是有效的，在最坏的情况下插入/搜索是O（k）的意义上它们抵抗恶意输入。 Hashtables在O（1）中执行插入/搜索，但是使用O（k）散列并且在最坏的情况下执行O（N）插入/搜索。此外，尝试可以更有效地存储字符串。
答案 1 :(得分：0)
Radix排序的渐近时间复杂度是O（NlogN），这也是Qucik排序的时间复杂度。 Radix排序的优势在于它最好，平均和最差情况下的性能相同，而最差情况下Quick sort的性能是O（N ^ 2）。但它需要两倍于快速排序所需的sapce。因此，如果空间复杂性不是问题，则Radix排序是更好的选择。