【Python数据结构与算法】—— 搜索算法期末复习不挂科系列(2)-CSDN博客

本文链接：https://blog.csdn.net/2401_84140332/article/details/138767434

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

print(15 in [1,2,3])
print(15 in [1,2,3,15])

运行结果：

顺序搜索

线性结构（数组、链表、栈、队列等）都有下标。每个数据项都有一个相对于其它数据项的位置。

Python的列表，数据项的位置就是其下标。

因为下标是有序的，So 我们能够进行 顺序访问 及 顺序搜索**。**

无序表的顺序搜索过程

下图展示了顺序搜索的过程。

无序表的顺序搜索代码实现

def sequential_search(a_list,item):
    pos = 0
    while pos < len(a_list):
        if a_list[pos] == item:
            return  True
        pos += 1
    return  False

print(sequential_search([1,2,4,5,9],5))

从列表第一个元素开始，沿着下表顺序逐个查看，直到找到目标元素或者到达列表末尾。

若查完列表后仍未找到目标元素，则说明目标元素不在列表中。

分析顺序搜索算法

分析搜索算法前，首先需要先定义计算的基本单元—解决问题过程中不断重复的的某一步。

对搜索来说，记录比较的次数是合理的性能指标。

每次比较只有两个结果：找到目标元素，或未找到。

假设元素排列无序，则目标元素在每一个位置出现的可能都相同。

要确定目标元素是否在列表中，唯一的方法就是将它与列表中的每个元素都比较一次。

若列表中有n个元素，那么顺序搜索要经过 n 次比较后才能确定目标元素不在列表中。如果列表含目标元素，分析起来更复杂。实际上有 3 种可能的情况：

最好情况是目标元素位于列表的第一个位置，则只需比较一次;

最坏情况是目标元素位于最后一个位置，则需要比较 n次。

平均情况是目标元素位于中间位置，则需要比较 n / 2次。 --> 当n增大，系数则可省略，所以顺序搜索时间复杂度为O（n）。

有序列表

有序列表的顺序搜索过程

通过观察上图有序列表列表中的顺序搜索过程我们可以得出以下结论：

当元素按升序排列。

如果存在目标元素，那么它出现在 n个位置中任意一个位置的可能性仍然一样大，因此比较次数与在无序列表中相同。

But，如果不存在目标元素，那么搜索效率就会提高。—> 因为当找到比目标元素大的数的时候程序就会停止搜索。

无序表的顺序搜索代码实现

#有序表的顺序搜索
def ordered_sequential_search(a_list,item):
    pos = 0
    while pos < len(a_list):
        if a_list[pos] == item:
            return True
        elif a_list[pos] > item:
            return False
        pos += 1

    return False
print(ordered_sequential_search([1,2,4,5,9],6))

下表总结了，在有序表中搜索时的比较次数。

最好情况：只需比较1次。 平均情况：比较 n / 2 次，但时间复杂度仍是O（n）。

总结：只有当列表不存在目标元素时，有序排列的元素，才能提高顺序搜索的效率。