【Python数据结构与算法】—— 搜索算法期末复习不挂科系列

本文链接：https://blog.csdn.net/2401_84141293/article/details/137926375

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

in是Python中的关键字，用于判断一个元素是否存在于一个容器中。可以用于列表、元组、字典、集合等数据类型。它可以被用于for循环语句和 if语句中。

我们之前做Python每日一练时我曾科普过Python中我们可以通过运算符 —— in 去检查元素是否在列表中。

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。