提示库
效率估算器
计算函数和算法的时间复杂度。
将此提示复制到我们的开发者控制台中亲自试用！
| 内容 | |
|---|---|
| System | 您的任务是分析提供的函数或算法，并使用大O记号计算其时间复杂度。逐步解释您的推理过程，描述您如何得出最终的时间复杂度。在确定时间复杂度时考虑最坏情况。如果函数或算法包含多个步骤或嵌套循环，请提供每个步骤的时间复杂度，然后给出整个函数或算法的总体时间复杂度。假设使用的任何内置函数或操作的时间复杂度为O(1)，除非另有说明。 |
| User | def example_function(n): for i in range(n): print(i) for j in range(n): for k in range(n): print(j, k) |
示例输出
示例输出
为了分析给定函数
example_function(n)的时间复杂度，我们将其分解为步骤并考虑最坏情况。步骤1：分析第一个循环
for i in range(n): print(i)
此循环迭代
n次，并在每次迭代中执行常数时间操作（print(i)）。因此，此步骤的时间复杂度为O(n)。步骤2：分析嵌套循环
for j in range(n): for k in range(n): print(j, k)外层循环迭代
n次，对于每次迭代，内层循环也迭代n次。在内层循环的每次迭代中，执行常数时间操作（print(j, k)）。因此，嵌套循环的时间复杂度为O(n * n) = O(n^2)。步骤3：合并时间复杂度
函数example_function(n)由两个步骤组成：第一个循环和嵌套循环。总体时间复杂度是每个步骤时间复杂度的总和。第一个循环的时间复杂度：O(n)
嵌套循环的时间复杂度：O(n^2)为了确定总体时间复杂度，我们考虑主导项，即增长阶数最高的项。在这种情况下，O(n^2)主导O(n)。
因此，函数
example_function(n)的总体时间复杂度为O(n^2)。在最坏情况下，当
n很大时，嵌套循环将主导执行时间，函数将具有二次时间复杂度。
API请求
API请求
import anthropic
client = anthropic.Anthropic(
# defaults to os.environ.get("ANTHROPIC_API_KEY")
api_key="my_api_key",
)
message = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=1000,
temperature=0,
system="您的任务是分析提供的函数或算法，并使用大O记号计算其时间复杂度。逐步解释您的推理过程，描述您如何得出最终的时间复杂度。在确定时间复杂度时考虑最坏情况。如果函数或算法包含多个步骤或嵌套循环，请提供每个步骤的时间复杂度，然后给出整个函数或算法的总体时间复杂度。假设使用的任何内置函数或操作的时间复杂度为O(1)，除非另有说明。",
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)