在描述算法的复杂性时，o(1)，o ) n )、o ) logn )、o ) nlogn ) o )、o ) n )、o(logn )、o ) nlogn ) o )、o ) )
那么O(1)、o )、o )、LOGN )、o )、NLOGN )、o )、n )、o )、NLOGN )、o )、n )、o )、o )、LOGN )、)
o ) )的形式，实际上是函数f )、o(f ) ) )、f )、o ) ) ) ) )、f ) ) ) )，其中n nn是输入数据的
描述算法复杂度时，经常使用o(1)，o ) n )，o ) logn )，o ) nlogn )来表示相应算法的时间复杂度，这里归纳起来它们所表示的含义为：
这是算法时空复杂性的表现。 它不仅用于表示时间的复杂性，还用于表示空间的复杂性。
o后面的括号中有一个函数，用于指示算法的时间/占用区域与数据增长之间的关系。 其中n表示输入数据的量。
例如，如果时间复杂度为o(n )，则意味着数据量将加倍，时间也将加倍。 例如常见的遍历算法。
例如，时间复杂度o(n^2)指示，如果数据量是n倍，那么时间是n的平方倍，且具有比线性更高的时间复杂度。 例如，气泡排序是典型的O(N^2)算法，要对n的个数进行排序，需要扫描nn次。
例如在o(logn )的情况下，当数据量为n倍时，则需要时间，并变为logn倍(其中log以2为底，例如，当数据量为256倍时，时间仅为8倍，这是比线性度更低的时间复杂度)。 二分搜索是一种o(logn )算法，每搜索一次就排除一半的可能性，在256个数据中搜索8次即可找到目标。
与o(nlogn )同样，当n乘以logn时，当数据量增加到256倍时，时间增加到256*8=2048倍。 这个复杂度比线性低于平方。 合并是o(nlogn )的时间复杂度。
o )1)是最低的时空复杂度。 这意味着时间/空间消耗与输入数据的大小无关，无论输入数据增长多少倍，时间/空间消耗都不会改变。 哈希算法是典型的o(1)时间复杂度，无论数据规模如何，都可以通过一次计算找到目标(如果不考虑冲突的话) )。
当ax=n(a0且a1 )时，数x称为以a为底的n的对数，表示为x=logaN，读作以a为底的n的对数。 其中，a是对数的底数，n称为真数。