二分查找 python 非递归,python二分排序算法

　　Python的list内部实现是数组或者线性表。若要在列表中查找元素，请使用list.index(方法)。时间复杂度为o(n)。当有大量数据时，可以通过二分搜索法进行优化。子搜索要求对象必须是有序的，其基本原理如下。

　　1.从数组的中间元素开始。如果中间的元素恰好是你要找的元素，检索过程结束；

　　2.如果一个特定的元素比中间的元素大或者小，就按比中间的元素大或者小的数组的一半来搜索，然后像第一个一样从中间的元素开始比较。

　　3.如果某一步数组为空，说明找不到。

　　二分搜索法也是五五开。每比较一次算法，搜索范围会缩小一半，其时间复杂度为o(logn)。

　　二分搜索法是通过递归和循环实现的：

　　defbinary_search_recursion(lst，value，low，high):ifhighlow:returnnonemid=(low high)/2if lst[mid]vvalue 3360 mid-1)elif lst[mid]value:returnbinary _ search _ recursion(lst，value，mid 1，high)else:returnmiddefbindef value):low，high=0，len(lst)-1 while low=high:mid(low high)/2if lst[

　　没有人回答“”这个问题？建立Python学习交流QQ群：找到拥有778463939杂志的小伙伴，互相帮助。群里有很好的视频学习教程和PDF电子书！ if _ _ name _= _ _ main _ :importrandomlst=[random . randint(0，10000)for _ inx range(100000)[lst . sort]def test _ recursion(:binary _ search _ recursion)lst，999，len 999)importtimeittt 1=time it . timer))test _)timer setup= from _ main _ import test _ recursion )T2=time it

　　在递归中：3.12596702576循环：2.08254289627，可以看出循环方案比递归效率高。

　　Python二分法模块用于维护有序列表。等分模块实现了将元素插入有序列表的算法。在某些情况下，这比重复排序列表或创建一个大列表进行排序更有效。二等分的意思是二分法，这里用于排序。该元素被插入到有序列表中的适当位置，因此不需要在每次调用排序时维护有序列表。

　　下面显示了的一个简单使用示例。

　　没有人回答“”这个问题？建立Python学习交流QQ群：找到拥有778463939杂志的小伙伴，互相帮助。群里有很好的视频学习教程和PDF电子书！ importsectionimportrandomrandom . seed(1)print new pos contents print -l=[]for iiid

　　新位置内容- 14 - 14 (14 ) 85 ) 77 (14，77，85 ) 26 (14，26，77，85 ) 50 ) 14

　　0, 77, 85] 45 2 [14, 26, 45, 50, 77, 85] 66 4 [14, 26, 45, 50, 66, 77, 85] 79 6 [14, 26, 45, 50, 66, 77, 79, 85] 10 0 [10, 14, 26, 45, 50, 66, 77, 79, 85] 3 0 [3, 10, 14, 26, 45, 50, 66, 77, 79, 85] 84 9 [3, 10, 14, 26, 45, 50, 66, 77, 79, 84, 85] 44 4 [3, 10, 14, 26, 44, 45, 50, 66, 77, 79, 84, 85] 77 9 [3, 10, 14, 26, 44, 45, 50, 66, 77, 77, 79, 84, 85] 1 0 [1, 3, 10, 14, 26, 44, 45, 50, 66, 77

　　二等分.二等分_左(a，x，lo=0，hi=len (a)):在有序列表a中查找x插入的索引，lo和hi用于指定列表的区间，默认使用整个列表。如果X已经存在，将它插入到它的左边。返回值是index。

　　平分。平分_ RIGHT (a，x，lo=0，hi=len (a))平分。二等分(a，x，lo=0，hi=len (a)):这两个函数类似于二等分_左，但是如果x已经存在，就把它插入到它的右边。

　　二等分. insort _ left (a，x，lo=0，hi=len (a)):在有序列表a中插入x .和a. insert(二等分.二等分_ left (a，x，lo，hi)，x)作用相同。

　　平分。INSORT _ RIGHT (a，x，lo=0，hi=len (a))二等分。INSORT (a，x，lo=0，hi=len (a)):类似于insort_left，但是如果x已经存在，就插入到它的右边。

　　二分模块提供的功能可以分为两类：二分*只用于查找索引，没有实际插入；而insort*用于实际插入。该模块的典型应用是计算分数等级：

　　def grade(score，breakpoints=[60，70，80，90]，grades=FDCBA): i=平分。平分(断点、得分)返回grades[I]print[grade(score)for score in[33，99，77，70，89，90，100]]执行结果：

　　[F ， A ， C ， B ， A ， A]同样，我们可以用把…分为两个部分模块实现二分查找：

　　遇到问题没人解答？小编创建了一个计算机编程语言学习交流即时通信软件群：778463939寻找有志同道合的小伙伴，互帮互助，群里还有不错的视频学习教程和便携文档格式电子书! def binary _ search _ bi section(lst，x):from bi section import bi section _ left I=bi section _ left(lst，x) if i！=len(lst)和lst[I]=x:return I返回None我们再来测试一下它与递归和循环实现的二分查找的性能：

　　递归：4.00940990448循环：2.658484841可以看到其比循环实现略快，比递归实现差不多要快一半。

　　计算机编程语言著名的数据处理zjdlc也有一个用于二分查找的函数numpy.searchsorted，用法与把…分为两个部分基本相同，只不过如果要右边插入时，需要设置参数side=右，例如：

　　import numpy as NP from bi section import bi section _ left，bi section _ right data=[2，4，7，9]bi section _ left(data，4)1 np.searchsorted(data，4)1 bi section _ right(data，4)2 np.searchsorted(data，4，side=right)2那么，我们再来比较一下性能：

　　In [20]: %timeit -n 100等分_左(数据，99999)100次循环，每次循环3:670 ns in[21]:% time it-n 100 NP。搜索排序(数据，99999)100次循环，每次循环3:56.9毫秒在[22]:%时间它-n 100等分_左(数据，8888)100次循环，每次循环3分961秒可以发现numpy.searchsorted效率是很低的，跟把…分为两个部分根本不在一个数量级上。因此搜索排序不适合用于搜索普通的数组，但是它用来搜索numpy.ndarray是相当快的：

　　在[30]中：data _ ndarray=NP。[31]中的arange(0，1000000):% time it NP。搜索排序(data _ ndarray，99999)最慢的运行比最快的运行花费的时间长16.04倍。这可能意味着正在缓存中间结果。1000000次循环，每次循环的最佳时间为3:996 ns in[32]:% time it NP。搜索排序(data _ ndarray，8888)最慢的运行时间比最快的运行时间长18.22倍。这可能意味着正在缓存中间结果。1000000次循环，每次循环的最佳时间为3:994 ns in[33]:% time it NP。搜索排序(data _ ndarray，777777)最慢的运行时间比最快的运行时间长31.32倍。这可能意味着正在缓存中间结果。1000000个循环，最好为3:990纳秒/循环numpy.searchsorted可以同时搜索多个值：

　　np.searchsorted([1，2，3，4，5]，3)2 np.searchsorted([1，2，3，4，5)，3，side= right )3 NP .搜索排序([1，2，3，4，5]，[-10，10，2，3])数组([0,5,1,2])

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。