用  O( ) 來描述最壞的情況  表示的是 程式的step 關於 輸入的size 的增長率 

e.g.

抓住主要矛盾，忽略次要矛盾

具體主次矛盾順序：

（這個c 要指明）

具體計算的小tips： 

加法法則和乘法法則

總的來說   就是把一個大塊的程式，分成一個個小塊 ，然後分別計算他們的 O( )  然後加起來，取主要矛盾

如果遇見 巢狀的 那就兩個乘起來

加法取主要矛盾 ，乘法忽略 常數係數

從上面這個例子我們可以看出 當一次stage  呼叫 兩個及多個的時候 其實是O(n^c)  複雜度  

要注意 這個這個複雜度 是指 輸入的什麼size  假如是數字 一般預設大小  假如序列一般預設 是length

O(1):（a）複雜度與輸入無關

       （b）只有很少的演算法滿足條件，但是很多演算法的 部分程式碼 是這個複雜度

       （c）迴圈和遞迴也可能是這個複雜度的，但迴圈或者呼叫的 次數跟輸入無關

O(logn)：

（1）二分法查詢，（任何每一步把搜尋的空間分為一半（一半是泛指））

  (2)  每一次迴圈  輸入n都要除以某個常數c， 然後迴圈的條件是 輸入滿足某個條件 （大於等於0 etc）就是O(logn)  （在具體一點  log以c為底） 

reducing the size of  problem by a constant factor on each stage 

e.g.

O(n)：

(1) 最典型的例子是迴圈 然後每次迴圈， 那個條件變數都 用加減 一個常數

O(nlogn)：

O(n^c):

(1) 大部分n的c次方複雜度的演算法都是n的二次方

(2) 比較典型的有內嵌迴圈和遞迴

O(c^n):

總結：

對於list 來說 index store len  append  這些操作都是O(1)  因為  python  知道怎麼找到那個點 然後 乾點啥事

但是對於字典來說  基本都是O(n)  因為字典是 無序的，排序不固定 而list 是固定的