O(n)表示时间复杂度，表示的是线性阶，随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
按数量级递增排列，常见的时间复杂度有：
常数阶O(1),对数阶O(log2n),线性阶O(n),线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),...，k次方阶O(n^k),指数阶O(2^n)。
扩展资料：
在计算机科学中，算法的时间复杂度是一个函数，它定性描述了该算法的运行时间。这是一个关于代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。
算法复杂度分为时间复杂度和空间复杂度。其作用： 时间复杂度是指执行算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。（算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度）。
参考资料：
简单理解：就是变量为n的时候，算法需要对变量操作次数的量级。
比如：
要找到一个数组里面最大的一个数，你要把n个变量都扫描一遍，操作次数为n，那么算法复杂度是O(n).
用冒泡排序排一个数组，对于n个变量的数组，需要交换变量位置n²次，那么算法复杂度就是O(n²).
有时候，如果对变量操作的次数是个多项式比如
在化学中，表示元素氮的化学符号，也表示粒子的数目，也表示当量浓度（即normality的缩写），在有机化学中，还表示甲基连在氮原子上，如：N-甲基丙酰胺，分子式：CH₃CH₂CONHCH₃。
数学中，N代表自然数集（非负整数集）。N*表示正整数集。
N在交流电中表示零线。
N在地图上，指正北方向。
在中国火车车次中，代表管内旅客快速列车。
请注意，力的单位牛顿符号并非N，而是希腊字母Ν(nu)。
表示无数
缩写词 abbr.
1.=net worth 净值
NW
缩写词 abbr.
1.=northwest
nW
缩写词 abbr.
1.=nanowatt 毫微瓦
“O(n)”的意思是：时间复杂度
时间复杂度
（1）时间频度
一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
（2）时间复杂度
在刚才提到的时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。
在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1),另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。
按数量级递增排列，常见的时间复杂度有：
常数阶O(1),对数阶O(log2n),线性阶O(n),
线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...，
k次方阶O(nk),指数阶O(2n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。