二分查找
查找的前提是数组有序
思路分析
代码实现(递归实现)
# 二分查找(递归法实现)
# 找到一个相等的值就返回该值的下标
def binary_search(arr: list, find_val: int, left: int, right: int):
mid = (left + right) // 2 # 寻找数组中间位置的下标
if left > right: # 找不到元素,返回-1
return -1
if find_val == arr[mid]: # 找到了元素,返回元素在数组中的下标
return mid
elif find_val < arr[mid]: # 要找的元素比数组中间元素小,则继续在 mid 的左边寻找
return binary_search(arr, find_val, left, mid - 1)
else: # 要找的元素比数组中间元素大,则继续在 mid 的右边寻找
return binary_search(arr, find_val, mid + 1, right)
arr = [4, 8, 9, 10, 12, 14, 15]
res = binary_search(arr, 0, 0, len(arr) - 1)
print(res)
# 二分查找(递归法实现)
# 如果数组中有多个值和要查找的值相等,则把它们的下标都返回
def binary_search2(arr: list, find_val: int, left: int, right: int):
mid = (left + right) // 2 # 寻找数组中间位置的下标
if left > right: # 找不到元素,返回-1
return []
if find_val == arr[mid]: # 找到了元素,返回元素在数组中的下标
# 找到了元素,先把当前的下标放入到一个列表中
# 再依次从该位置开始向左和向右查找,还有没有其他相等的值
index_pos = []
index_pos.append(mid)
temp = mid - 1
while True: # 向左查找
if temp < left or arr[temp] != find_val:
break
index_pos.append(temp)
temp -= 1 # temp 左移
temp = mid + 1
while True: # 向右查找
if temp > right or arr[temp] != find_val:
break
index_pos.append(temp)
temp += 1 # temp 右移
return index_pos
elif find_val < arr[mid]: # 要找的元素比数组中间元素小,则继续在 mid 的左边寻找
return binary_search2(arr, find_val, left, mid - 1)
else: # 要找的元素比数组中间元素大,则继续在 mid 的右边寻找
return binary_search2(arr, find_val, mid + 1, right)
arr = [4, 8, 9, 10,10, 12, 14, 15]
res = binary_search2(arr, 0, 0, len(arr) - 1)
print(res)
代码实现(非递归实现)
# 二分查找的非递归实现
def binary_search(arr: list, target: int):
"""
二分查找的非递归实现
:param arr: 要查找的有序数组
:param target: 要查找的值
:return: 要查找值的下标,找不到返回-1
"""
left = 0
right = len(arr) - 1
while left <= right:
mid = (left + right) // 2
if target == arr[mid]:
return mid
elif target < arr[mid]:
right = mid - 1
else:
left = mid + 1
return -1
res = binary_search([1, 2, 5, 7, 9, 10, 12], 12)
print(res)
插值查找
查找的前提是数组有序
思路分析
当数组为[1, 2, 3, 4, 5, ..., 100] 时,加入此时要查找1,那么二分查找的方法会进行多次递归才能找到,效率较低,所以有了插值查找方法。插值查找适用于数据比较连续的情况下。
代码实现
# 插值查找
def insert_value_search(arr: list, find_val: int, left: int, right: int):
# 找不到元素,返回-1
# 条件 find_val < arr[left] or find_val > arr[right] 要有,否则mid可能会越界
if left > right or find_val < arr[left] or find_val > arr[right]:
return -1
# 寻找数组中间位置的下标
mid = left + (right - left) * (find_val - arr[left]) // (arr[right] - arr[left])
mid_val = arr[mid]
if find_val == mid_val: # 找到了元素,返回元素在数组中的下标
return mid
elif find_val < mid_val: # 要找的元素比数组中间元素小,则继续在 mid 的左边寻找
return binary_search(arr, find_val, left, mid - 1)
else: # 要找的元素比数组中间元素大,则继续在 mid 的右边寻找
return binary_search(arr, find_val, mid + 1, right)
arr = []
for i in range(100):
arr.append(i + 1)
res = insert_value_search(arr, 3, 0, len(arr) - 1)
print(res)
斐波那契查找
查找的前提是数组有序
思路分析
代码实现
import copy
# 斐波那契查找
# 因为算法中需要用到斐波那契数列,所以此处用非递归的方法构造一个斐波那契数列
def fib(size: int) -> list:
f = []
f.append(1)
f.append(2)
i = 2
while i < size:
f.insert(i, f[i - 1] + f[i - 2])
i += 1
return f
# 非递归方式实现斐波那契查找算法
def fibonacci_search(arr, key):
low = 0
high = len(arr) - 1
k = 0 # 表示斐波那契分割数值的下标
mid = 0 # 存放 mid 值
f = fib(20) # 获取斐波那契数列
# 获取斐波那契分割数值的下标
while high > f[k] - 1:
k += 1
# 因为f[k]的值可能大于arr的长度,因此需要对数组进行扩容(新构造一个数组)
# 让数组的长度等于f[k],新增加的长度的下标用arr数组最后的数填充
# 如:arr=[1,8,10,89,1000,1234] f[k] = 8
# 扩容后:temp=[1,8,10,89,1000,1234,1234,1234]
temp = copy.deepcopy(arr)
i = high + 1
while i < f[k]:
temp.append(arr[high])
i += 1
# 使用 while 来循环处理,找到要查找的key
while low <= high: # 只要条件满足就可以继续查找
mid = low + f[k - 1] - 1
if key < temp[mid]: # 应该继续向数组的前面查找(左边)
high = mid - 1
"""
k -= 1 说明:
数组全部元素 = 前面(左边)的元素 + 后面(右边)的元素
斐波那契数列:f[k] = f[k - 1] + f[k - 2]
因为前面有f[k - 1]个元素,所以可以继续拆分:f[k - 1] = f[k - 2] + f[k - 3]
即在f[k - 1] 的前面继续查找,即下次循环 mid = f[k - 1 - 1] - 1
"""
k -= 1
elif key > temp[mid]: # 应该继续向数组的后面查找(右边)
low = mid + 1
"""
k -= 2 说明:
数组全部元素 = 前面(左边)的元素 + 后面(右边)的元素
斐波那契数列:f[k] = f[k - 1] + f[k - 2]
因为后面有f[k - 2]个元素,所以可以继续拆分:f[k - 2] = f[k - 3] + f[k - 4]
即在f[k - 2] 的前面继续查找 k-=2,即下次循环 mid = f[k - 1 - 2] - 1
"""
k -= 2
else: # 找到
# 确定返回的是哪个下标
if mid <= high:
return mid
return high
# 找不到,返回-1
return -1
arr=[1,8,10,89,1000,1234]
res = fibonacci_search(arr, 8)
print(res)