循环打印与逐个打印的Big-O复杂度是否相同？逐个打印复杂度为O(n)还是O(1)？

Big-O复杂度的核心是衡量算法操作次数随输入规模n增长的变化趋势，关键看操作次数和输入规模n的关联关系。结合你给出的场景，具体分析如下：

1. 循环打印的复杂度 #

代码示例：

for i in length(arr) {
        print( arr[i] )
}

这里的操作次数严格等于数组长度n，每新增一个数组元素，循环就会多执行一次print操作，操作次数随n线性增长，所以复杂度为O(n)，这一点你的判断是正确的。

2. 逐个硬编码打印的复杂度 #

代码示例：

print(arr[0])
print(arr[1])
print(arr[2])
print(arr[3])
print(arr[4])

需要分两种场景判断：

• 如果这段代码仅针对固定长度的数组（比如示例中长度为5的数组），无论输入数组的规模n如何变化（比如n变为10），这段代码始终只执行5次print，操作次数是固定常数，不随n增长而变化，此时复杂度为O(1)。
• 如果这段代码是针对任意长度n的数组，手动编写n个print语句（比如n=10就写10行print），那么操作次数和n完全成正比，每新增一个元素就多一行print，本质是循环的“手动展开写法”，操作次数随n线性增长，此时复杂度依然是O(n)。

实际开发中，第一种固定次数的硬编码写法几乎没有扩展性，很少被使用；如果是为了适配任意规模数组而手动写对应数量的print，其复杂度和循环打印完全一致。

内容的提问来源于stack exchange，提问作者Exotic Me