如果一个列表有 3 个元素，那么 O(n^2) 意味着我们必须进行 9 次跳转来导航 3 个元素的集合吗？如果一个跳跃只是一个元素，怎么可能是9个跳跃？
list = [1, 2, 3]
我不明白作者的意思是我们必须跳9..有人可以解释一下吗？
【问题讨论】：
标签： python list time-complexity
下面提供的代码示例是 O(n)，因为它使用 for 循环迭代 n 元素。
n = len(list) # n = the length of the list here 3.
for i in range(0, n): # This runs n = 3 times, where n is the size of the list O(n)
print(i)
现在考虑一个嵌套的 for 循环，这意味着您当前的 for 循环中的第二个循环。
这是 O(n^2)，因为迭代了 n*n 元素。
n = len(list) # n = the length of the list here 3.
for i in range(0, n): # This runs n = 3 times.
for j in range (0, n): # This runs n = 3 times for each value of the i.
print(j)
这样想，上面的代码段在内循环中打印0, 1, 2的次数与外循环指定的次数一样多，在这种情况下为3。因此最后将打印0, 1, 2, 0, 1, 2, 0, 1, 2，这正是@987654329 @ = 3*3 = 9 元素。
【讨论】：
O(n^2) 意味着要达到该输入的所需输出，您必须遍历所有输入数据两次，例如，如果您的解决方案包含一个嵌套循环，其中外部和内部循环都从 0 到 n（输入数据的大小）。
您可以查看this 了解更多大 O 表示法编码示例。
【讨论】：
Big O 表示法为我们提供了对 N 个元素使用算法所必须执行的操作数量的估计，如果 Big O 表示法为 n，那么我们需要 n 次操作来执行该函数。 列表中的线性搜索需要 n 的大 O 为什么
def linearsearch(numbers,s):
for i in range(len(numbers)):
if numbers[i] == s:
return i
return -1
我们将寻找最坏的情况，即 s 不在列表中。为此，如果我们的列表大小为 n，我们将执行所有常量操作 n 次。 当n增加时间将线性增加，因为线性搜索所花费的时间取决于列表的大小
如果所有常量操作都需要 c 时间，那么当我们对 5 个元素进行操作时需要 5c，如果我们对 10 个元素进行操作则需要 10c（这里我们假设列表中没有 s 的最坏情况）
让我们看看 O(n2)
如果我们有 n 个元素，那么所花费的时间将是 n 的平方
让我们看看二维列表中的线性搜索
Numbers = [[1,2,3][4,5,6]]
def linearsearch(numbers,s):
for inner in range(len(numbers)):
for i in range(len(numbers[inner])):
if numbers[inner][i] == s:
return i
return -1
通过上面的代码，我们考虑一些假设来说明n2
内部列表有 n 个元素，外部列表也有 n 个内部列表
当我们需要在内部列表中搜索像 s 这样的元素时，我们需要执行 n2 次 thoe 操作 如果我们在内部列表中有 2 个元素，在外部列表中有 2 个内部列表 那么 4 c 将是平均时间，如果我们考虑 c 表示恒定操作所需的时间 3,3 然后 9 因此，如果我们在内部列表中有 n 个元素，那么 tims 复杂度将为 O(n2)
【讨论】：