Python 二分查找

本文章的所有代码和相关文章， 仅用于经验技术交流分享，禁止将相关技术应用到不正当途径，滥用技术产生的风险与本人无关。
本文章是自己学习的一些记录。

开始

二分查找又称折半查找，优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的有序列表。首先，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。

示意图

二分查找只能作用到顺序表当中，而且是作用于有序的顺序表当中

按照这样的思路查找元素4是否存在：

根据下标值(红色数字)：
1、首先查找出7为中间值，即(0+8)//2；
2、因为要查找的4小于7，所以在7的左侧查找；
3、在1-6之间查找出中间值为3，即(0+3)//2;
4、因为要查找的4大于3，所以在3的右侧查找；
5、在4-6之间找出中间值为2，即(2+3)//2；
6、所以最终的定位是索引值为2，值为4，存在。
所以这就是二分查找的思路，也可以分为递归的思想和非递归的思想

代码

#coding=utf-8
#@Time:2020/10/4 13:24
#@Author:csdn@hijacklei
#@File:二分查找.py
#@Software:PyCharm
'''二分查找作用于顺序表，而且是有序的顺序表'''
# 1、递归思想的二分查找
def binary_search(alist,item):
    n=len(alist)

    if n>0:
        mid = n // 2 #找到中间值
        if alist[mid]==item:
            return True  #证明中间值就是要找的值
        elif alist[mid]<item:
            return binary_search(alist[mid+1:],item)  #在中间值的右侧是目标值，按照递归的思想进行调用函数
        else:
            return binary_search(alist[:mid],item)    #在中间值的左侧是目标值，按照递归的思想进行调用函数
    return False
'''递归思想是划分后的区域新建立的列表进行调用函数的递归思想
非递归思想是在原有的划分的区域继续进行划分'''
# 2、非递归思想的二分查找
def binary_search_1(alist,item):
    '''非递归思想的二分查找'''
    n=len(alist)
    # 定义初始位置的索引
    first=0
    last=n-1
    while first<=last:
        mid=(first+last)//2
        if alist[mid]==item:
            return True
        elif alist[mid]<item:
            first=mid+1
        else:
            last=mid-1
    return False


if __name__ == '__main__':
    li=[17, 20, 26, 31, 44, 54, 55, 77, 93]
    print(binary_search(li,55))
    print(binary_search(li,100))
    print(binary_search_1(li, 77))
    print(binary_search_1(li, 200))

返回的结果：

时间复杂度的计算

最优时间复杂度：
在计算最优时间复杂度的时候，也就是一开始就找到了要找到的值：
所以最优的时间复杂度为：O(1)
最坏时间复杂度：
因为要查找出想要的元素，也就是不断的二分，在某一个区域进行查找：
所以最坏时间复杂度为：O(logn)

参考资料：传智播客数据结构