O(1) 称为常量复杂度，O(log n) 称为对数复杂度，O(n) 称为线性复杂度，O(n²) 称为平方复杂度，O(2ⁿ) 称为指数复杂度。
- 基本算术运算是常量时间操作，逻辑运算是常量时间运算。
- 组合对象有些是常量时间，有些不是。
- 复制和切片通常需要线性时间（与长度有关，是 O(n) 时间操作）。
- list 的元素访问和元素赋值（以及 tuple 的元素访问），是常量时间
- dict 情况比较复杂。
- 字符串也应该看做组合对象，许多操作不是常量时间。
- 创建对象也需要时间和空间，所需的大小与对象的规模有关，通常应该看做线性时间和线性空间操作。
- 构造新的的 list、set 结构，构造空结构（空表、空集合）是常量时间操作，而构造一个包含n个元素的结构，则至少需要 O(n) 时间。
- 一些 list 操作的效率：元素访问和元素修改是常量时间操作，一般的加入/删除元素操作（即使只加入一个元素）都是 O(n) 时间操作，在表的最后加入和删除元素的操作效率高，在其他地方加入和删除元素的操作效率低。
- 字典操作效率，加入新的键值对，最坏的情况复杂度是 O(n)，但平均复杂度是 O(1)。
- Python 的各种组合数据对象都没有预设的最大元素个数，从空间占用的角度看，其实际开销在存续期间可能变大，但通常不会缩小（即使后来元素变得很少了），比如删除元素。
- 如果在程序中建立了一个表，此后一直将其作为全局变量的值，这个对象就会始终存在并占用存储空间。如果将其作为某个函数里局部变量的值，或者虽然作为全局变量的值，但是通过复制将其抛弃，这个对象就可以被回收。