Python集合计数器：most_common复杂度
Python中对象most_common提供的功能的复杂性是什么collections.Counter？
更具体地说，是否Counter在计数时保留某种排序列表，以使其most_common比O(n)在n计数器中添加（唯一）项的数量更快地执行操作？仅供参考，我正在处理大量文本数据，以尝试找到第n个最频繁的标记。
我检查了CPython
Wiki上的官方文档和TimeComplexity文章，但找不到答案。
问题答案：
从collections.py的源代码中，我们看到，如果不指定返回的元素数，则most_common返回计数的排序列表。这是一种O(n log n)算法。
如果使用most_common返回k > 1元素，则使用heapq.nlargest。这是一个O(k) + O((n - k) log k) + O(k log k)算法，对于一个很小的常量非常有用k，因为它本质上是线性的。这一O(k)部分来自对初始k计数进行堆放，第二部分来自n - k对heappushpop方法的调用，第三部分来自对k元素的最终堆进行排序。既然k <= n我们可以得出结论，复杂度是：
O（n log k）
如果k = 1这样的话，很容易表明复杂度是：
上）
-
问题内容： ES6规范为键集合（Set，Map，WeakSet和WeakMap）提供什么时间复杂度（大O表示）？ 我的期望，我期望的大多数开发人员，是规范和实现将使用被广泛接受的高性能算法，在这种情况下，并在平均情况下都是O（1）。这同样适用于和等效物。 对我来说，实现的时间复杂性是否在例如ECMAScript 2015 Language Specification-6th Edition — 2
-
是查找所有r项组合的强大工具，但是，我想知道它的计算复杂性。 假设我想知道n和r的复杂性，当然它会给出n个项列表中所有r项的组合。 根据官方文件，这是粗略的实施。
-
我有一种情况，我需要根据一个数组值执行一个group by操作，该数组值将字段值的出现次数相加。然后对计数进行过滤，并准备结果，以便根据条件显示结果。从本质上讲，文档被转换回如果您只使用find函数就会呈现的方式。由于matchedDocuments数组中收集的项的数量，我遇到了临时文档太大的问题。任何关于如何改进这一点的建议都将是有益的。 以下是一些示例文档和基于上述标准的预期结果：
-
如果是，我该怎么做？
-
我在考虑如何正确计算这个函数的时间复杂度: 我假设它是 O（n），其中 n 是列表的长度。我们的 while 循环是 O（n），for 循环也是 O（n）， 这意味着我们得到了 2*O（n），等于 O（n）。 我说的对吗？
-
在最近的一次测试中，我们得到了一个函数来计算未排序的ArrayList中出现了多少个double（不是原语double，而是一个项目出现了两次）。 我正确地确定了Big O复杂度为O（N^2），但由于我错误地确定了全部复杂度，因此只获得了部分学分。函数如下： 在他刚刚发布的考试解决方案中，他给出了这样的解释： 输入集合中有N个项，该方法通过一个缩减步骤反复调用自己，该步骤生成一个新索引N次，直到达