BigO复杂度函数

Big O复杂度函数是用来衡量算法复杂度的一种方法。它描述了算法的时间复杂度和空间复杂度的上界，即算法的最坏情况下的运行时间和空间使用情况。例如，如果一个算法的时间复杂度为O(n)，表示算法最坏情况下的运行时间与问题规模n成正比。下面是计算阶乘的代码示例，时间复杂度为O(n)：

def factorial(n):
    result = 1
    for i in range(1, n+1):
        result *= i
    return result

这个算法的时间复杂度为O(n)，因为它在循环中执行n次乘法操作。可以看到，无论n取何值，算法的时间复杂度都是线性增长的。因此，我们可以用它来计算比较大的n的阶乘，但对于非常大的n，它的运行时间也会变得非常慢。