4. Big O(n)

Das Durchlaufen einer Liste oder eines Arrays, bei dem jeder Eintrag nacheinander besucht wird, zählt als O(n) in der Zeitkomplexität.

Dies bedeutet, dass die Ausführungszeit proportional zur Länge der Liste oder des Arrays wächst, weil jedes Element einmal verarbeitet wird.

Python-Beispiel für O(n):

Hier iteriert die Funktion über alle Elemente der Liste und gibt sie der Reihe nach aus, was eine Laufzeit von O(n) ergibt.

def print_all_elements(lst):
    for element in lst:  # Durchläuft alle Elemente in der Liste
        print(element)

# Verwendung
my_list = [10, 20, 30]
print_all_elements(my_list)
# Ausgabe:
# 10
# 20
# 30

Java-Beispiel für O(n):

In diesem Java-Beispiel iteriert die Methode ebenfalls über jedes Element im Array und gibt es aus, was O(n) ergibt.

public class Main {
    public static void printAllElements(Integer[] arr) {
        if (arr != null) {
            for (Integer element : arr) {  // Durchläuft alle Elemente im Array
                System.out.println(element);
            }
        }
    }

    public static void main(String[] args) {
        Integer[] myArray = {10, 20, 30};
        printAllElements(myArray);
        // Ausgabe:
        // 10
        // 20
        // 30
    }
}

Hierbei wächst die Laufzeit linear mit der Anzahl der Elemente im Array oder in der Liste, daher wird es als O(n) klassifiziert.