我有以下数组，我只是想确保我在时间复杂度方面是正确的，每个解决方案将运行
arr = [3,6,8,10,34]
# case one
result_one = [arr[-1], arr[-2], arr[-3]]
# result = [34, 10, 8]
# case two
result_two = arr[-3:]
# result = [8, 10, 34]
基于case one是常数O(1)在时间复杂度方面，result_two切片方法线性0 (n)，case_one将运行得更快。这两种算法的假设和时间复杂度是否正确?
Big-O运行时是n增加时的生长行为。在这种情况下，n可以被视为arr的长度或提取的项数:
- 就提取的项目数量而言，如果数量是可变的(而不仅仅是常数
3)，两个解决方案都是O(n)。如果数字是常数，那么大0就没有意义;你做的是固定数量的工作，这不会改变，所以增长甚至不适用。 - 就
arr的长度而言，当3的元素提取数一定时，两种解均为O(1);除了长度为0-2的arr，所有长度为3或更大的arr都需要相同的工作量来提取三个元素;将arr的大小增加一倍使工作保持不变。
不管你怎么看，对于任何具有O(1)索引的序列类型，这两个解决方案在定义上都是相同的大0;在底层，切片必须执行与显式索引完全相同的工作，因此它们必须执行相同的工作量。
与非O(1)项查找序列类型(如链接列表或类似,O(n)查找),切片将优于重复提取为大0的索引条目的数量(因为它只有找到片曾经的起点,不是n时期,使它O(m+n)m链表的大小和n提取物品的数量,从而简化O(m)既然你不能比你提取更多的条目,虽然重复索引将是O(m*n)，支付O(m)的代价n倍)，但对于具有O(1)索引的简单数组类数据结构，这两者将始终是大0等效的，尽管切片可能会更快，因为它可以批量执行操作，而无需反复在Python级别的代码中来回跳。对于短输入，它们的行为也会有所不同;如果输入少于3个元素，切片会静默地返回短输出，而索引将以IndexError结束。