Big O — это нотация для описания асимптотической сложности алгоритма. Она показывает, как растёт время выполнения или потребление памяти при увеличении размера входных данных. **Основные варианты:** - **O(1)** — константное время (доступ по индексу в списке). - **O(log n)** — логарифмическое время (бинарный поиск). - **O(n)** — линейное время (поиск в неотсортированном списке). - **O(n log n)** — линейно-логарифмическое (быстрая сортировка). - **O(n²)** — квадратичное (пузырьковая сортировка). **Пример:** ``` # O(n) — линейный поиск def linear_search(arr, target): for item in arr: if item == target: return True return False # O(1) — доступ по индексу def get_first_element(arr): return arr[0] if arr else None ``` Big O помогает оценить эффективность алгоритма, игнорируя константы и низкоуровневые оптимизации.