假设您循环 n 次，每次迭代都会创建一个空间 n 的字符串，其范围仅在该迭代内（因此在下一次迭代中不再可访问）。我会说我使用 O(n^2) 空间，因为对于 n 次迭代，我使用 n 空间。
但是，从逻辑上讲，如果每个循环都销毁前一个迭代的字符串（n 空间）并用本次迭代的字符串（n 空间）覆盖它，那么在整个循环中，您将只使用 O(n) 空间。我很困惑到底是确认O(n)空间还是O(n^2)空间？
举这个例子：
s = "hello"
for _ in range(len(s)):
newString = s[:]
return newString
您仅测量任一时间所需的最大空间量。 您的循环需要 O(n) 空间，因为正如您所说，任何时候只有一次迭代在范围内。
在没有显式释放内存的垃圾收集语言中，有理由相信您所使用的任何语言的实现，以确保您实际使用的空间量最多与您需要的空间量成正比，因此它不会影响你的空间复杂度。
在大多数情况下，忽略诸如渐近空间复杂性分析的内存碎片之类的问题也是合理的，即使这样的问题可以实际上改变现实世界的渐近复杂性。
您的问题并没有真正的答案，因为动态分配在时间和空间方面都有未知的成本！
算法分析通常假设无限的内存空间可用，以“全局分配”的方式，并且具有恒定的访问成本。该模型没有动态分配的概念。
您可能会发明一种集成动态分配的模型，并具有精心选择的时间和空间成本。如果假设分配“在堆栈上”，则常数时间和 O(n) 空间（在返回时释放内存时仅计算一次）是合理的。对于“堆”分配，你一头雾水。
标题和正文中的问题不相符，所以我在这里回答正文中的问题，因为它相对简单。标题中的问题本身对于 SO 来说太宽泛了，所以我建议您更改它。供参考：“如果您可以想象一本完整的书来回答您的问题，那么您的要求就太多了。”
理论上，最坏情况的空间使用量是 O(n^2)，正如您提到的：n n长度字符串的副本。
但实际上，由于垃圾收集（即引用计数将导致不再有任何引用指向它们的字符串从内存中删除）和字符串驻留（即
s[:]s>>> s = 'hello'
>>> s is s[:]
True