Временная сложность внутреннего цикла алгоритма скользящего окна

Я рассматриваю задачу LeetCode 1838. Частота наиболее частого элемента:

Частота элемента — это количество раз, когда он встречается в массиве.

Вам дан целочисленный массив nums и целое число k. За одну операцию вы можете выбрать индекс nums и увеличить элемент с этим индексом на 1.

Возвращает максимально возможную частоту элемента после выполнения не более k операций.

У меня есть этот подход скользящего окна, который решает эту проблему:

def maxFrequency(self, nums: List[int], k: int) -> int:
    nums.sort()
    res, curSum = 0, 0
    l = 0
    for r in range(len(nums)):
        total = nums[r] * (r - l + 1)  # the goal
        curSum += nums[r]  # what we currently have

        # check if we have enough operations to reach our goal
        while total - curSum > k:
            # remove L until we have valid subsequence
            curSum -= nums[l]
            l += 1
            total = nums[r] * (r - l + 1)
     
        res = max(res, r - l + 1)
    
    return res

На форумах утверждается, что этот подход имеет время выполнения O(nlogn), поскольку он ограничен сортировкой массива nums, но я не понимаю расчета.

Я предположил, что время выполнения цикла for равно O(n) и что время выполнения внутреннего цикла while в наихудшем случае также равно O(n). В результате временная сложность программы не будет равна:

O(nlogn) + [O(n) * O(n)] = O(nlogn) + O(n^2) = O(n^2)? 

Мой вопрос: почему общее время выполнения циклов равно O(n) вместо O(n^2). Я был бы очень признателен, если бы кто-нибудь помог мне объяснить эту идею!