def hsum(X):
while len(X) > 1:
Y=[None]*(len(X)//2)
for i in range(0,len(X)//2):
Y[i] = X[2*i] + X[(2*i)+1]
X=Y
return X[0]
这里X是一个整数数组，X的长度为n=2^k。当它进入while循环后，长度会减少(如n/2(，减少的长度就是for循环的范围(例如，n=2^6=64，当它进入while循环时，它会减少到n//2，所以for循环的范围是(0，64/2=32(。所以，while循环的运行时间是O(logn(，但for循环的运行速度是多少？就Big Oh而言，整个代码的运行时间是多少？
有一种简单的方法可以确定该算法的big-O复杂性。第5行的+操作的执行次数至少与代码中的其他操作一样多，所以如果我们能计算出+执行了多少次，那么这将与整个算法的复杂性相同。这是合理的，因为除了线路Y = [None] * len(X // 2)之外，其他一切都是基本操作，它的复杂性并不比在.中使用+的环路高
由于该算法计算列表中的数字之和，并且除了列表中的数字(或列表中的部分数字之和(之外，不添加任何，因此总共进行了len(X) - 1添加，因此该算法为O(n(，其中n是输入列表的长度。
从另一个角度来看，您可以将此算法可视化为从二叉树中添加叶节点。加法的数量等于具有n叶的二叉树中的内部节点的数量，即n-1，或O(n(。