通过Python实现二分法(Binary Chop)

最新推荐文章于 2024-03-16 16:08:11 发布

原创最新推荐文章于 2024-03-16 16:08:11 发布 · 370 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#Python #二分法

Important_Experiments 专栏收录该内容

3 篇文章

订阅专栏

该博客展示了如何使用Python实现二分法，并在不同规模的数据中查找随机数。通过对10^1到10^8个元素的数组进行实验，记录了查找次数和所花费的时间，揭示了二分法在大规模数据查找中的效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一下通过Python实现运用二分法分别在10^1-10^8 个元素中查找随机数的代码。

import random, time

def binary_chop(x):

    count = 1  # 计数器
    numbers = list(range(1, x+1))  # 创建列表

    random_number = random.choice(numbers)  # 在给定范围内生成随机查找数
    print('随机查找数: %s' % random_number)

    while True:

        if (numbers[-1] + numbers[0]) % 2 == 0:  # 如果列表元素个数为奇数
            middle_number = int((numbers[0] + numbers[-1]) / 2)  # 获取中间数（列表正好有中间数）

        else:
            middle_number = int((numbers[0] + numbers[-1]) / 2 + 1)  # 如果列表元素个数为偶数，中间数为右边一半列表的第一个数

        numbers = caculate(random_number, middle_number, numbers)

        if numbers == 0:
            print('总共需要查找的次数: %s 次' % count)
            break

        count += 1


def caculate(random_number, middle_number,numbers):

    if random_number == middle_number:  # 如果恰好随机数在中间则找到该随机数
        return 0

    elif random_number > middle_number:  # 如果随机数大于中间数，保留列表右半边，继续查找
        numbers = list(range(middle_number, numbers[-1] + 1))

        return numbers

    else:  # 如果随机数小于中间数，保留列表左半边，继续查找
        numbers = list(range(numbers[0], middle_number + 1))

        return numbers

def value_setting():

    list = ['十个', '一百个', '一千个', '一万个', '十万个', '一百万个', '一千万个', '一亿个']
    for i in range(1, 9):  # 在10的一次方到八次方数量级上查找随机数并计算耗费时间，查找所需的次数
        begin = time.time()
        binary_chop(10 ** i)
        end = time.time()
        print('在%s元素中进行随机查找 耗费时间: %s 秒\n' % (list[i-1], (end - begin)))
        print('-' * 20)

value_setting()

程序运行之后的结果:

随机查找数: 5
总共需要查找的次数: 3 次
在十个元素中进行随机查找耗费时间: 0.000102996826171875 秒

--------------------
随机查找数: 63
总共需要查找的次数: 6 次
在一百个元素中进行随机查找耗费时间: 4.291534423828125e-05 秒

--------------------
随机查找数: 324
总共需要查找的次数: 9 次
在一千个元素中进行随机查找耗费时间: 0.00015306472778320312 秒

--------------------
随机查找数: 9039
总共需要查找的次数: 13 次
在一万个元素中进行随机查找耗费时间: 0.001062154769897461 秒

--------------------
随机查找数: 6026
总共需要查找的次数: 14 次
在十万个元素中进行随机查找耗费时间: 0.008674144744873047 秒

--------------------
随机查找数: 955416
总共需要查找的次数: 19 次
在一百万个元素中进行随机查找耗费时间: 0.10787487030029297 秒

--------------------
随机查找数: 6819278
总共需要查找的次数: 23 次
在一千万个元素中进行随机查找耗费时间: 1.2694149017333984 秒

--------------------
随机查找数: 33477582
总共需要查找的次数: 27 次
在一亿个元素中进行随机查找耗费时间: 24.8403160572052 秒

--------------------