Estimador de eficiencia

¡Copia este prompt en nuestra Consola de desarrollador para probarlo tú mismo!

Salida de ejemplo

Para analizar la complejidad de tiempo de la función dada example_function(n), la desglosaremos en pasos y consideraremos el peor escenario.

Paso 1: Analizando el primer bucle

for i in range(n):
   print(i)

Este bucle itera n veces y realiza una operación de tiempo constante (print(i)) en cada iteración. Por lo tanto, la complejidad de tiempo de este paso es O(n).

Paso 2: Analizando los bucles anidados

for j in range(n):
    for k in range(n):
        print(j, k)

El bucle externo itera n veces, y para cada iteración, el bucle interno también itera n veces. En cada iteración del bucle interno, se realiza una operación de tiempo constante (print(j, k)). Por lo tanto, la complejidad de tiempo de los bucles anidados es O(n * n) = O(n^2).

Paso 3: Combinando las complejidades de tiempo
La función example_function(n) consta de dos pasos: el primer bucle y los bucles anidados. La complejidad de tiempo general es la suma de las complejidades de tiempo de cada paso.

Complejidad de tiempo del primer bucle: O(n)
Complejidad de tiempo de los bucles anidados: O(n^2)

Para determinar la complejidad de tiempo general, consideramos el término dominante, que es el término con el orden de crecimiento más alto. En este caso, O(n^2) domina O(n).

Por lo tanto, la complejidad de tiempo general de la función example_function(n) es O(n^2).

En el peor escenario, cuando n es grande, los bucles anidados dominarán el tiempo de ejecución, y la función tendrá una complejidad de tiempo cuadrática.

Solicitud de API

import anthropic

client = anthropic.Anthropic(
    # defaults to os.environ.get("ANTHROPIC_API_KEY")
    api_key="my_api_key",
)
message = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=1000,
    temperature=0,
    system="Your task is to analyze the provided function or algorithm and calculate its time complexity using Big O notation. Explain your reasoning step by step, describing how you arrived at the final time complexity. Consider the worst-case scenario when determining the time complexity. If the function or algorithm contains multiple steps or nested loops, provide the time complexity for each step and then give the overall time complexity for the entire function or algorithm. Assume any built-in functions or operations used have a time complexity of O(1) unless otherwise specified.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "def example_function(n):\n    for i in range(n):\n        print(i)\n\n    for j in range(n):\n        for k in range(n):\n            print(j, k)"
                }
            ]
        }
    ]
)
print(message.content)