python中求和时间复杂度最低的_求和算法的时间复杂度

编辑：根据关于[：：]的O(n)性能的评论进行的更正。在

TL；DR:可能是O(n)，，但您的版本是O(n²)。

记住，所有的大O符号都假设“乘以一个常数”。也就是说，O(n)实际上意味着O(k*n)，而O(logn)实际上意味着O(k*logn)。在

让我们看看你的第一个例子：def sum(numberSequence):

assert (len(numberSequence) > 0)

if (len(numberSequence) == 1):

return numberSequence[0]

else:

return sum(numberSequence[-1]) + numberSequence[:-1]

第一行是assert加compare加len。len操作对于列表和元组来说是一个固定的时间(但是对于其他数据结构可能不是这样！小心！)，compare是一个常量时间，assert实际上是一个常量时间，因为如果它失败了，整个过程就会崩溃，我们停止计算。所以让我们只调用assert一个函数调用加上一个比较加上一个返回。在

现在，这个函数被调用了多少次？很明显，终止条件表示一次，每隔一次它在一个比前一个列表短一个的列表上递归。因此函数将被调用len(numberSequence)次，在我们的目的中是n。在

所以我们有

^{pr2}$

接下来，我们有标记递归终止条件的if语句。显然，这个语句只会成功一次(这是终止条件，对吗？只在末尾发生…)所以这是每次比较，每和一次，它是一个常数索引的返回。在n * compare

+ 1 * constant index

+ 1 * return

最后，还有else:分支。我很确定你有个bug，应该是这个(注意冒号的位置)：return sum(numberSequence[:-1]) + numberSequence[-1]

在这种情况下，返回一个常量负索引查找和一个切片的递归函数调用的和。只有在递归结束时才这样做，所以n-1次。在(n - 1) * constant negative index lookup

+ (n - 1) * slice

+ (n - 1) * recursive call

+ (n - 1) * return

但是等等！如果您四处寻找询问如何制作列表副本的人，您会发现一个常见的Python习惯用法是copy = orig[:]。这是因为切片操作会复制它正在切片的列表的子范围。所以当你说numberSequence[:-1]你真正说的是{}。在

这意味着slice操作是O(n)，，但从好的方面来说，它是用C写的，所以常数要小得多。在

让我们把这些加起来：1 * call

+ n * assert

+ n * len

+ n * compare

+ n * compare

+ 1 * constant index

+ 1 * return

+ (n - 1) * constant negative index lookup

+ (n - 1) * (c * n) slice

+ (n - 1) * recursive call

+ (n - 1) * return

如果我们假设常数指数和常数负指数花费的时间相同，我们可以合并它们。显然我们可以合并返回和调用。这给我们留下了：n * call

+ n * assert

+ n * len

+ n * compare

+ n * compare

+ n * constant (maybe negative) index

+ n * return

+ (n - 1) * (c * n) slice

根据“规则”，这是O(n²)。这意味着所有的行为细节都被抛在了一边，有利于那个大胖子O(n²)。

但是：

如果len操作不是O(1)—也就是说，时间不变—那么函数很可能会因此变成O(n²)。在

如果index操作不是O(1)，由于底层实现细节的原因，函数可能会变成O(n²)或O(n logn)。在

因此，您已经实现了一个算法，它可以是O(n)，它使用的Python操作符本身就是O(n)。您的实现是“固有的”O(n²)。但它是可以修复的。即使修复了，超出您控制范围的东西也会使您的代码变慢。(但是，这超出了你的控制范围，所以。。。忽略它！)在

我们如何修正你的代码使之成为O(n)？把那一片去掉！反正你也不需要，对吧？你只需要追踪射程。在def sum(numberSequence, start=0, end=None):

assert (len(numberSequence) > 0)

if end is None:

end = len(numberSequence) - 1

if end == start:

return numberSequence[start]

else:

return sum(numberSequence, start, end-1) + numberSequence[end]

在这段代码中，我做的和你做的差不多，两个

差异。首先，我添加了一个特殊情况来处理最终用户调用的情况，只使用序列作为参数。第二，当然，没有切片。用那个o顺便说一句，代码不再是天生的O(n²)。

你可以对你的另一个例子做同样的数学运算，做同样的改变，但是它更复杂。但是，我要提醒你，I=0..n-1的2I之和是2n-1。正如@lollercaster指出的，天下没有免费的午餐：你必须把所有的数字加起来。在