python中的“ itertools.combinations”的计算复杂度是多少？
问题内容：
itertools.combinationspython中的in是一个强大的工具，可以找到 r 项的所有组合，但是，我想知道它的 计算复杂度
。
假设我想知道 n 和 r 的复杂度，并且肯定会从 n个 项的列表中为我提供所有 r 项的组合。 __
根据官方文件，这是粗略的实现。
def combinations(iterable, r):
# combinations('ABCD', 2) --> AB AC AD BC BD CD
# combinations(range(4), 3) --> 012 013 023 123
pool = tuple(iterable)
n = len(pool)
if r > n:
return
indices = list(range(r))
yield tuple(pool[i] for i in indices)
while True:
for i in reversed(range(r)):
if indices[i] != i + n - r:
break
else:
return
indices[i] += 1
for j in range(i+1, r):
indices[j] = indices[j-1] + 1
yield tuple(pool[i] for i in indices)
问题答案：
我要说的是θ[r (n choose r)]，n choose r部分是生成器必须进行yield的次数以及外部while迭代的次数。
在每次迭代中，至少r需要生成长度的输出元组，它给出了附加因子r。其他内部循环也将在O(r)每个外部迭代中进行。
这是假定元组的生成实际上是实际的，O(r)并且O(1)在给定算法中的特定访问模式的情况下，列表的获取/设置实际上至少平均而言是平均的。如果不是这种情况，那么仍然Ω[r (n choose r)]可以。
像往常一样，在这种分析中，我假设所有整数运算O(1)的大小均不受限制。
