其實這裡的底數對於研究程式執行效率不重要，寫程式碼時要考慮的是資料規模n對程式執行效率的影響，常數部分則忽略，同樣的，如果不同時間複雜度的倍數關係為常數，那也可以近似認為兩者為同一量級的時間複雜度。

現在來看看為什麼底數具體為多少不重要？
讀者只需要掌握（依稀記得）中學數學知識就夠了。

假設有底數為2和3的兩個對數函式，如上圖。當X取N（資料規模）時，求所對應的時間複雜度得比值，即對數函式對應的y值，用來衡量對數底數對時間複雜度的影響。

比值為log2 N / log3 N，運用換底公式後得：(lnN/ln2) / (lnN/ln3) = ln3 / ln2，ln為自然對數，顯然這三個常數，與變數N無關。

用文字表述：演算法時間複雜度為log（n）時，不同底數對應的時間複雜度的倍數關係為常數，不會隨著底數的不同而不同，因此可以將不同底數的對數函式所代表的時間複雜度，當作是同一類複雜度處理，即抽象成一類問題。

當然這裡的底數2和3可以用a和b替代，a，b大於等於2，屬於整數。a,b取值是如何確定的呢？

有點程式設計經驗的都知道，分而治之的概念。排序演算法中有一個叫做“歸併排序”或者“合併排序”的演算法，它用到的就是分而治之的思想，而它的時間複雜度就是N*logN，此演算法採用的是二分法，所以可以認為對應的對數函式底數為2，也有可能是三分法，底數為3，以此類推。

但是不可能是分數或者負數。

說明：為了便於說明，本文時間複雜度一概省略 O 符號。
--------------------- 
作者：城市中的遊牧民族 
來源：CSDN 
原文：https://blog.csdn.net/bengxu/article/details/80320546 
版權宣告：本文為博主原創文章，轉載請附上博文連結！