O(n)与O(nlogn)的比较

O(n)算法适用于需要遍历整个数据集的场景，而O(n logn)算法适用于需要对数据进行排序或搜索的场景。

例如，计算一个数组中所有元素之和的问题，可以使用O(n)算法来遍历整个数组并累加每个元素。示例代码如下：

def sum_array(arr):
    total = 0
    for i in arr:
        total += i
    return total

而对于需要在一个数组中搜索某个元素的问题，可以使用O(n logn)算法，如二分查找。示例代码如下：

def binary_search(arr, target):
    low = 0
    high = len(arr) - 1
    while low <= high:
        mid = (low + high) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            low = mid + 1
        else:
            high = mid - 1
    return -1

在这个例子中，算法的时间复杂度为O(logn)，因为每个循环都将搜索范围缩小一半，而在最坏情况下，需要循环logn次才能找到目标元素。