关于算法时间复杂度的问题

问题遇到的现象和发生背景

已知intervals是含有n项[start,end]的数对组，例如
代码块一是自己写的，代码块二是标准答案

问题相关代码，请勿粘贴截图

代码块一

class Solution:
    def findRightInterval(self, intervals: List[List[int]]) -> List[int]:
        n=len(intervals)
        indexlist=[]
        for i in range(n):
            indexlist.append(intervals[i][0])
        list1=sorted(indexlist)
        ans=[]
        for i in range(n):
            x=bisect.bisect_left(list1,intervals[i][1])
            if intervals[i][1]>list1[-1]:
                x=-1
            else:
               x=indexlist.index(list1[x])
            ans.append(x)
        return ans

代码块二

class Solution:
    def findRightInterval(self, intervals: List[List[int]]) -> List[int]:
        for i, interval in enumerate(intervals):
            interval.append(i)
        intervals.sort()

        n = len(intervals)
        ans = [-1] * n
        for _, end, id in intervals:
            i = bisect_left(intervals, [end])
            if i < n:
                ans[id] = intervals[i][2]
        return ans

运行结果及报错内容

感觉自己的代码复杂度和代码块二时间复杂度都是nlogn，但是运行时间差二十倍

都是sorted，一个for循环和二分法，算下来应该是nlogn才对

我想要达到的结果

希望能知道我的代码块一的时间复杂度和代码块二有没有差距

你的代码1和代码2，不是循环次数的问题，是操作的对象根本就不一样啊
代码1是新建个list，放入数据，排序
代码2是把数据放入形参里面，然后对形参进行排序
两个代码创建list和add数据的方式也不一样，这都会造成花费时间不同
此外，同样一段代码，你反复运行10次，可能10次花费时间都不同
因为电脑不是单片机，不会把所有资源都给你的代码用，它是多任务多用户的
你的花费时间多于10秒的话，时间相对会比较准确，如果是多少毫秒，基本没有参考价值