Estimador de eficiência

Copie este prompt em nosso Console de desenvolvedor para experimentar!

Saída de exemplo

Para analisar a complexidade de tempo da função example_function(n) fornecida, vamos dividi-la em etapas e considerar o pior cenário.

Etapa 1: Analisando o primeiro loop

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

Este loop itera n vezes e executa uma operação de tempo constante (print(i)) em cada iteração. Portanto, a complexidade de tempo desta etapa é O(n).

Etapa 2: Analisando os loops aninhados

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

O loop externo itera n vezes e, para cada iteração, o loop interno também itera n vezes. Em cada iteração do loop interno, uma operação de tempo constante (print(j, k)) é executada. Portanto, a complexidade de tempo dos loops aninhados é O(n * n) = O(n^2).

Etapa 3: Combinando as complexidades de tempo
A função example_function(n) consiste em duas etapas: o primeiro loop e os loops aninhados. A complexidade de tempo geral é a soma das complexidades de tempo de cada etapa.

Complexidade de tempo do primeiro loop: O(n)
Complexidade de tempo dos loops aninhados: O(n^2)

Para determinar a complexidade de tempo geral, consideramos o termo dominante, que é o termo com a maior ordem de crescimento. Neste caso, O(n^2) domina O(n).

Portanto, a complexidade de tempo geral da função example_function(n) é O(n^2).

No pior cenário, quando n é grande, os loops aninhados dominarão o tempo de execução e a função terá uma complexidade de tempo quadrática.

Solicitação 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)