python-查找算法

本文介绍了两种常见的数据查找算法——顺序查找和二分查找。顺序查找适用于任何列表,而二分查找要求列表有序。在有序列表中,二分查找的效率显著高于顺序查找,其时间复杂度为O(logn),而顺序查找的时间复杂度为O(n)。通过实际运行时间的比较,展示了在不同情况下两种算法的性能差异。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

查找

在一些数据元素中,通过一定的方法找出与给定关键字相同数据的元素的过程

列表查找(线性表查找)

  •     从列表中查找指定元素
  •     输入:列表、待查找元素
  •     输出:元素下标(未找到元素时一般返回None或-1)
  •     python内置列表查找函数index()

1、顺序查找 

1、按照序列原有顺序对数组或列表进行遍历比较查询的基本查找算法。

2、对于任意一个序列以及一个给定的元素,将给定元素与序列中元素依次比较,直到找出与给定关键字相同的元素,或者将序列中的元素与其都比较完为止。

 时间复杂度

        问题规模:列表的长度(n)

        O(1):当查找的元素位于列表第一位时,最好的情况

        O(n):遍历列表所有元素,最坏的情况

def linear_search(li, val):
    for ind, v in enumerate(li): # 枚举列表的下标和值
        if v == val:
            return ind, li[ind]
    else:
        return None

2、二分查找(折半查找)

1、二分查找也称折半查找(Binary Search),它是一种效率较高的查找方法。但是,折半查找要求线性表必须采用顺序存储结构,而且表中元素按关键字有序排列。

2、首先,假设表中元素是按升序排列,将表中间位置记录的关键字,与查找关键字比较,如果两者相等,则查找成功;否则利用中间位置记录将表分成前、后两个子表,如果中间位置记录的关键字大于查找关键字,则进一步查找前一子表,否则进一步查找后一子表。重复以上过程,直到找到满足条件的记录,使查找成功,或直到子表不存在为止,此时查找不成功。

3、

必须采用顺序存储结构

必须按关键字大小有序排列。

时间复杂度

        O(logn) 

 

def binary_search(li, val):
    left = 0
    rigth = len(li) - 1
    while left <= rigth:  # 候选区有值
        mid = (left + rigth) // 2
        if li[mid] == val:
            return mid, li[mid]
        elif li[mid] > val:  # 待查找的值在mid左边
            rigth = mid - 1
        else:  # 待查找的值在mid右边
            left = mid + 1

3、比较两种算法的效率

当列表是有序列表时:

        二分查找的耗时时间几乎为零,效率大于顺序查找

import time


def cal_time(func):
    def inner(*args, **kwargs):
        strat = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print('%s执行时间:%s' % (func.__name__, end - strat))
        return result

    return inner


# 1.顺序查找
@cal_time
def linear_search(li, val):
    for ind, v in enumerate(li):
        if v == val:
            return ind, li[ind]
    else:
        return None


# 2.二分查找(折半查找)
@cal_time
def binary_search(li, val):
    left = 0
    rigth = len(li) - 1
    while left <= rigth:  # 候选区有值
        mid = (left + rigth) // 2
        if li[mid] == val:
            return mid, li[mid]
        elif li[mid] > val:  # 待查找的值在mid左边
            rigth = mid - 1
        else:  # 待查找的值在mid右边
            left = mid + 1


li = list(range(1, 1000000))
print(linear_search(li, 66548))
print(binary_search(li, 66548))
linear_search执行时间:0.0009965896606445312
(66547, 66548)
binary_search执行时间:0.0
(66547, 66548)

当列表不是有序列表时(二分查找需要先对列表进行排序):

        这样时间都耗费在排序上,效率又低于顺序查找

import time


def cal_time(func):
    def inner(*args, **kwargs):
        strat = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print('%s执行时间:%s' % (func.__name__, end - strat))
        return result

    return inner


# 1.顺序查找
@cal_time
def linear_search(li, val):
    for ind, v in enumerate(li):
        if v == val:
            return ind, li[ind]
    else:
        return None


# 2.二分查找(折半查找)
@cal_time
def binary_search(li, val):
    li.sort() # 排序
    left = 0
    rigth = len(li) - 1
    while left <= rigth:  # 候选区有值
        mid = (left + rigth) // 2
        if li[mid] == val:
            return mid, li[mid]
        elif li[mid] > val:  # 待查找的值在mid左边
            rigth = mid - 1
        else:  # 待查找的值在mid右边
            left = mid + 1


li = list(range(1, 1000000))
print(linear_search(li, 66548))
print(binary_search(li, 66548))
linear_search执行时间:0.0019931793212890625
(66547, 66548)
binary_search执行时间:0.00398707389831543
(66547, 66548)


 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值