常数时间的操作：一个操作如果和数据量没有关系，每次都是
固定时间内完成的操作，叫做常数操作。
时间复杂度为一个算法流程中，常数操作数量的指标。常用O
（读作big O）来表示。
具体来说，在常数操作数量的表达式中，
只要高阶项，不要低阶项，也不要高阶项的系数，剩下的部分
如果记为f(N)，那么时间复杂度为O(f(N))。
评价一个算法流程的好坏，先看时间复杂度的指标，然后再分
析不同数据样本下的实际运行时间，也就是常数项时间。
例子一：理解时间复杂度
一个简单的理解时间复杂度的例子
一个有序数组A，另一个无序数组B，请打印B中的所有不在A中的数，A数
组长度为N，B数组长度为M。
算法流程1：对于数组B中的每一个数，都在A中通过遍历的方式找一下；
算法流程2：对于数组B中的每一个数，都在A中通过二分的方式找一下；
算法流程3：先把数组B排序，然后用类似外排的方式打印所有不在A中出现
的数；
三个流程，三种时间复杂度的表达...
如何分析好坏？
2、对数器
对数器的概念和使用
0，有一个你想要测的方法a，
1，实现一个绝对正确但是复杂度不好的方法b，
2，实现一个随机样本产生器
3，实现比对的方法
4，把方法a和方法b比对很多次来验证方法a是否正确。
5，如果有一个样本使得比对出错，打印样本分析是哪个方法出错
6，当样本数量很多时比对测试依然正确，可以确定方法a已经正确。
3、冒泡排序
冒泡排序细节的讲解与复杂度分析
时间复杂度O(N^2)，额外空间复杂度O(1)
python版本
# 冒泡排序 # 时间复杂度O(N^2) # 空间复杂度O(1) def bubble_sort(arr): if arr is None and len(arr) < 2: return for end in range(len(arr)-1, -1, -1): for i in range(end): if arr[i] > arr[i + 1]: swap(arr, i, i + 1) return arr def swap(data, i, j): temp = data[i] data[i] = data[j] data[j] = temp ret = bubble_sort([9, 2, 7, 8, 3, 2, 1]) print(ret)