时间复杂度使用大 O 标记法，这个大家应该都清楚，下面是常见的增长量级：
| 增长量级 | 名称 |
|---|---|
| $O(1)$ | 常量级 |
| $O(log_bn)$ | 对数级 |
| $O(n)$ | 线性级 |
| $O(nlog_bn)$ | $nlogn$ |
| $O(n^2)$ | 平方级 |
| $O(n^3)$ | 立方级 |
| $O(c^n)$ | 指数级 |
Python 中基本操作分析
常量时间
算术操作大部分都是常量时间，除法 > 乘法 > 加法和减法；
索引操作（下标访问）和 len 函数也是常量时间；
假如一个字符串只包含一个字符，所有的操作都是常量的；
在列表结尾添加和删除一个元素是常量的；
大部分字典操作都是常量的，但是 update 方法的运行时间和传入的字典大小成正比，keys、values 和 items 都是常量时间，因为它们返回的是迭代器，但是如果循环遍历这个迭代器，则循环是线性的。
线性时间
使用 for 循环遍历一个序列或字典是线性的；
字符串和元组的大部分操作都是线性的；
min 和 max 函数也是线性的；
切片操作的运行时间与输出的长度成正比，而与输入的长度无关；
内置函数 sum 也是线性的，但速度更快；
字符串拼接是线性的，运行时间与操作数的长度的总和有关，所有的字符串方法都是线性的。
其他时间
大多数列表方法是线性的，但是除非空间不足时复制到另一个更大的空间，排序是 $nlogn$；
如果循环体的增长量级是 $O(n^a)$ 则整个循环是 $O(n^{a+1})$，如果不论 $n$ 是多少，循环只最多运行 $k$ 次，则及时对很大的 $k$ 来说，整个循环的增长量级还是 $O(n^a)$。
搜索算法的分析
遍历操作是线性的，二分查找是对数级的，散列表是常量时间。