二十五岁时我们都一样愚蠢、多愁善感，喜欢故弄玄虚，可如果不那样的话，五十岁时也就不会如此明智。
标题：Python - 大O符号
必须分析算法的效率和准确性，以便对它们进行比较，并为特定场景选择特定的算法。进行这种分析的过程称为渐近分析。它是指以数学计算单位计算任何操作的运行时间。例如，一个操作的运行时间被计算为f（n），并且可能针对另一个操作被计算为g（n2）。这意味着第一次运行时间将随着n的增加而线性增加，第二次运行的运行时间将随着n的增加呈指数增长。同样，如果n很小，两个操作的运行时间将几乎相同。
通常，算法所需的时间分为三种类型 -
- 最佳案例 - 程序执行所需的最短时间。
- 平均情况 - 程序执行所需的平均时间。
- 最差情况 - 程序执行所需的最长时间。
渐近符号
以下是计算算法运行时间复杂度的常用渐近符号。
- Ο表示法
- Ω符号
- θ符号
大O符号
符号Ο（n）是表达算法运行时间上限的形式化方式。它测量算法可能需要完成的最坏情况时间复杂度或最长时间。
例如，对于函数 f （n）
Ο( _f_ (n)) = { _g_ (n) : there exists c > 0 and n0 such that _f_ (n) ≤ c. _g_ (n) for all n > n0. }欧米茄符号Ω
符号Ω（n）是表达算法运行时间下限的形式化方式。它可以衡量算法可能需要完成的最佳案例时间复杂度或最佳时间量。
例如，对于函数 f （n）
Ω( _f_ (n)) ≥ { _g_ (n) : there exists c > 0 and n0 such that _g_ (n) ≤ c. _f_ (n) for all n > n0. }Theta符号θ
符号θ（n）是表达算法运行时间的下限和上限的形式化方式。它表示如下 -
θ( _f_ (n)) = { _g_ (n) if and only if _g_ (n) = Ο( _f_ (n)) and _g_ (n) = Ω( _f_ (n)) for all n > n0. }常用的渐近符号
以下是一些常见渐近符号的列表 -
不变 \- Ο（1） 对数的 \- Ο（log n） 线性 \- Ο（n）的 nlogn \- Ο（n log n） 二次 \- Ο（n 2） 立方体 \- Ο（n 3） 多项式 \- Ñ Ο（1） 指数 \- 2 （n）
