2022.03.13

課時51 归并排序的时间复杂度

分为两部，拆分过程可以视为o（1），因为最终是分到只有一个元素。

而复杂的过程在于合并。

首先是一个与一个合并，接着是两两合并……如此类推。

每次合并的时间复杂度是n，而根据循环，要执行好几次。

所以循环内的时间复杂度是o（logn），而每次循环的时间复杂度是o（n）。

整个的时间复杂度是o（nlogn）。

时间来说是小的，但是在空间上来说，必须要一个空间来保存才能反映这个值。

所以空间上占用的内存比较大。

 

总结一下各个排序算法的效率。

其中，快速排序必须掌握。

课时52 搜索

 

简单来说，搜索就是在一个序列当中去查找某个元素是否存在。

传统上的搜索，就是一个一个元素去找，看看某个元素是否存在。

实际上我们可以模仿字典，实行二分法查找。

 这个查找法的特点在于，要求查找对象必须是排序过的序列，且元素必须是相邻的。

也就是二分查找只能用于有序的顺序表。

那么二分查找法又如何去找中间的下表呢？

假设要查找的元素是【4】.首先找到中间值是【7】.

如上图，为何认为【7】是中间呢？

首先，这个序列，起始的【1】下标为0，而尾部的【14】，下标为8.

那么中间值的下标，就应该是起始与终止的下标相加再除以2，也就是4.

那么中间值自然就是【7】.

接着因为【4】比【7】小，所以自然，要查找的元素应该在【7】的左边。

接着在【7】的左边求中间值。

【7】左边的中间值=0（起始下标）+3（【6】的下标）

取整，为1.即，中间值为【3】.

接着，因为【3】比【4】小，所以要查找的元素【4】应该在【3】的右边。

然后又计算【3】右边直到【7】为止的中间值。

也就是下标（2+3）//2，为2，即【4】.

def binary_search(alist,item):
    """二分查找，递归"""
    n=len(alist)

    if n>0:
        mid = n // 2
        if alist[mid]==item:
            return True
        elif item<alist[mid]:
            binary_search(alist[:mid],item)
        else:
            binary_search(alist[mid+1:],item)
    return False

def binary_search(alist,item):
    """二分查找，非递归"""
    n=len(alist)
    first=0
    last=n-1

    while first<=last:
        mid = (first + last) // 2
        if alist[mid]==item:
            return True
        elif item<alist[mid]:
            last=mid-1
        else:
            first=mid+1
    
    return False

 课时53 二分查找的时间复杂度