二分查找时间复杂度及其Python实现

  二分查找假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。

• 优点：比较次数少，查找速度快，平均性能好；
• 缺点：要求待查表为有序顺序表，且插入删除困难。
• 二分查找方法适用于不经常变动而查找频繁的有序列表。
• 二分查找最优时间复杂度是$O(1)$，最坏时间复杂度为$O(lo{g}_{2}n)$。
  假设总共有$n$个元素，查找操作次数为$k$，则每次查找的区间大小就是$n,\frac{n}{2},\frac{n}{4},\dots ,\frac{n}{2^k}$（接下来操作元素的剩余个数）。最好第一次操作就找到元素，时间复杂度为$O(n)$，最坏最后剩余的一个元素才是要查找的元素，即$\frac{n}{2^k}=1⟹k=lo{g}_{2}n$（假设是整数），时间复杂度为$O(lo{g}_{2}n)$

递归实现二分查找

# 返回 x 在 arr 中的索引，如果不存在返回 -1
def binarySearch (arr, l, r, x): 
    # 基本判断
    if l <= r: 
        mid = (l+r)//2
        # 元素整好的中间位置
        if arr[mid] == x: 
            return mid 
        # 元素小于中间位置的元素，只需要再比较左边的元素
        elif arr[mid] > x: 
            return binarySearch(arr, l, mid-1, x) 
        # 元素大于中间位置的元素，只需要再比较右边的元素
        else: 
            return binarySearch(arr, mid+1, r, x) 
    else: 
        # 不存在
        return -1

# 函数调用
result = binarySearch(arr, 0, len(arr)-1, x) 

非递归实现二分查找

def binarySearch (arr, x): 
	n=len(arr)
	l,r=0,n-1
	while l<=r:
		mid=(l+r)//2
		if arr[mid]==x:
			return mid
		elif arr[mid]>x
			r=mid-1
		else:
			l=mid+1
	return -1