《算法图解》学习笔记习题和代码（第一、二章二分法选择排序）Python3

最新推荐文章于 2021-03-29 09:34:13 发布

Amberrr-L

最新推荐文章于 2021-03-29 09:34:13 发布

阅读量1.3k

点赞数 3

分类专栏： ML/DL学习算法图解文章标签：算法 python

本文链接：https://blog.csdn.net/qq_41647438/article/details/106102995

版权

ML/DL学习同时被 2 个专栏收录

18 篇文章 3 订阅

订阅专栏

算法图解

7 篇文章 9 订阅

订阅专栏

一、二分法

仅当列表是有序的时候，二分查找才管用。时间复杂度： $\log_2n$ 。（\log_ax：log以a为底，以x为真数。）

e.g. 从100个数中猜一个数，不超过7次就可以猜出来。2^7=128

函数binary_search接受一个有序数组和一个元素。如果指定的元素包含在数组中，这个函数将返回其位置。

def binary_search(list,item):
    low = 0
    high = len(list)-1
    while low<=high:
        mid = (low+high) //2
        guess = list[mid]
        if guess == item:
            return mid
        elif guess > item:
            high = mid-1
        elif guess < item:
            low = mid+1
    return None
my_list = [1,3,5,7,9,11]
print(binary_search(my_list,7))
print(binary_search(my_list,1))

Output:
3
0

练习1

1.1 假设有一个包含128个名字的有序列表，你要使用二分查找在其中查找一个名字，请问最多需要几步才能找到？

2^7=128,7步
1.2 上面列表的长度翻倍后，最多需要几步？

2^8=256，8步

最多需要猜测的次数与列表长度相同，这被称为线性时间（linear time）。 O(n)

如果列表包含100个元素，最多要猜7次；如果列表包含40亿个数字，最多需猜32次。二分查找的运行时间为对数时间（或log时间）。 $O(\log n)$

1.3 大O表示法

大O表示法让你能够比较操作数，它指出了算法运行时间的增速。

大 O 表示法指出了最糟情况下的运行时间。查找数用遍历的方法运行时间为O（n）,用二分法则是 $O(\log n)$ 。

除最糟情况下的运行时间外，还应考虑平均情况的运行时间。在第四章讨论。

下面按从快到慢的顺序列出了经常会遇到的5种大O运行时间。

O(log n)，也叫对数时间，这样的算法包括二分查找。
O(n)，也叫线性时间，这样的算法包括简单查找。
O(n * log n)，这样的算法包括第4章将介绍的快速排序——一种速度较快的排序算法。
O(n2)，这样的算法包括第2章将介绍的选择排序——一种速度较慢的排序算法。
O(n!)，这样的算法包括接下来将介绍的旅行商问题的解决方案——一种非常慢的算法。

练习2

算法的速度指的并非时间，而是操作数的增速。算法的运行时间用大O表示法表示。

使用大O表示法给出下述各种情形的运行时间。

1.3 在电话簿中根据名字查找电话号码。

O(logn)（名字是有序的？）

1.4 在电话簿中根据电话号码找人。（提示：你必须查找整个电话簿。）

O(n)

1.5 阅读电话簿中每个人的电话号码。

O(n)

1.6 阅读电话簿中姓名以A打头的人的电话号码。这个问题比较棘手，它涉及第4章的概念。答案可能让你感到惊讶！

O(n)，大O表示法不考虑乘以、除以、加上或减去的数字

1.3.5 旅行商问题O（n!）

一个人前往这5个城市，同时要确保旅程最短。为此，可考虑前往这些城市的各种可能顺序。所以要计算5x4x3x2=120次，才能得出最短旅程是什么。涉及n个城市时，需要执行n!（n的阶乘）次操作才能计算出结果。因此运行时间为O(n!)。目前计算机领域认为没有更巧妙的算法。

1.4 小结
二分查找的速度比简单查找快得多。
O(log n)比O(n)快。需要搜索的元素越多，前者比后者就快得越多。
算法运行时间并不以秒为单位。
算法运行时间是从其增速的角度度量的。
算法运行时间用大O表示法表示。

二、选择排序

二分查找只能用于有序元素列表；选择排序是下一章将介绍的快速排序的基石。

2.1 内存

要把数据存储到内存时，需要向计算机请求内存空间，计算机会为你分配一个存储地址。需要存储多项数据时，有两种基本方式——数组和链表。下图中：fe0ffeeb是一个内存单元的地址。

2.2 数组和链表

数组：

在数组中添加新元素也可能很麻烦。如果没有了空间，就得移到内存的其他地方，因此添加新元素的速度会很慢。

链表：

而链表中的元素可存储在内存的任何地方。

链表的每个元素都存储了下一个元素的地址，从而使一系列随机的内存地址串在一起。

使用链表时，不需要移动元素。只要有足够的内存空间，就能为链表分配内存。链表的优势在于插入元素。

2.2.2 数组的优势

数组也有优势。

链表在按顺序读取元素时，一个接一个跳向下一个地址（即使存储位置不挨着）效率很高。但是我想访问最后一个元素的时候，它的地址是存在上一个元素里的，上一个元素的地址。。。以此类推。需要跳跃的找到某个元素（不按顺序），链表的效率真的很低。

数组则不是。假设假设有一个数组，它包含五个元素，起始地址为00，就很容易推断出第五个元素的地址是什么。

元素的位置称为索引。00，01，02，03，04成为索引。

需要随机地读取元素时，数组的效率很高，因为可迅速找到数组的任何元素。在链表中，元素并非靠在一起的，你无法迅速计算出第五个元素的内存地址，而必须先访问第一个元素以获取第二个元素的地址，再访问第二个元素以获取第三个元素的地址，以此类推，直到访问第五个元素。

常见的数组和链表操作的运行时间。

练习 1

2.1 假设你要编写一个记账的应用程序。

你每天都将所有的支出记录下来，并在月底统计支出，算算当月花了多少钱。因此，你执行的插入操作很多，但读取操作很少。该使用数组还是链表呢？

答：采用链表。因为链表(O(1))的插入操作时间少于数组(O（n）)。

2.2.4 在中间插入

新增待办事项要插入到原来的清单中间去，用链表比较合适。插入时只用修改这个元素之前的那个元素指向的地址即可。使用数组的话，则必须将后面的元素都向后移。，如果没有足够的存储空间，整个数组还要移动到别的地方去。

2.2.5 删除

频繁删除元素，链表也具有优势，只用修改前一个元素的指向地址即可。而数组删除元素，必须把其后面的元素全部前移。

数组和链表哪个更好用，要分情况，数组使用的更多。因为数组支持顺序访问和随机访问，链表只能顺序访问。数组读取的速度更快。链表擅长插入和删除，而数组擅长随机访问。数组和链表还被用来实现其他数据结构，后面会讲。

练习 2

2.2 假设你要为饭店创建一个接受顾客点菜单的应用程序。这个应用程序存储一系列点菜单。服务员添加点菜单，而厨师取出点菜单并制作菜肴。这是一个点菜单队列：服务员在队尾添加点菜单，厨师取出队列开头的点菜单并制作菜肴。你使用数组还是链表来实现这个队列呢？（提示：链表擅长插入和删除，而数组擅长随机访问。在这个应用程序中，你要执行的是哪些操作呢？）

答：使用链表，因为整个过程频繁执行插入操作，而且厨师是顺序读取，不需要随机访问。

2.3 我们来做一个思考实验。假设Facebook记录一系列用户名，每当有用户试图登录 Facebook时，都查找其用户名，如果找到就允许用户登录。由于经常有用户登录Facebook，因此需要执行大量的用户名查找操作。假设Facebook使用二分查找算法，而这种算法要求能够随机访问——立即获取中间的用户名。考虑到这一点，应使用数组还是链表来存储用户名呢？

答：用数组存储用户名。1.因为使用二分法要求列表是有序的。2.数组支持随机访问。

2.4 经常有用户在Facebook注册。假设你已决定使用数组来存储用户名，在插入方面数组有何缺点呢？具体地说，在数组中添加新用户将出现什么情况？

答：插入只能顺序插入，不然需要后面的元素都后移。而且需要足够的内存，顺序存储。在数组添加新用户时，顺序添加，如果内存不够，也不能存到别的地方，必须整体移动到别处。如果是中间插入，就需要把后面的元素全部后移，比较费时。

2.5 实际上，Facebook存储用户信息时使用的既不是数组也不是链表。假设Facebook使用的是一种混合数据：链表数组。这个数组包含26个元素，每个元素都指向一个链表例如，该数组的第一个元素指向的链表包含所有以A打头的用户名，第二个元素指向的链表包含所有以B打头的用户名，以此类推。

假设Adit B在Facebook注册，而你需要将其加入前述数据结构中。因此，你访问数组的第一个元素，再访问该元素指向的链表，并将Adit B添加到这个链表末尾。现在假设你要查找Zakhir H。因此你访问第26个元素，再在它指向的链表（该链表包含所有以z打头的用户名）中查找Zakhir H。

请问，相比于数组和链表，这种混合数据结构的查找和插入速度更慢还是更快？你不必给出大O运行时间，只需指出这种新数据结构的查找和插入速度更快还是更慢。

答：融合了数组和链表的特点。查找时比数组慢，比链表快。插入时比链表慢，比数组快。（网上很多都是说于链表相当，可能时是前面26个字母的数组查找时相比于庞大的存储，相当于常数？）。

2.3 选择排序

为喜欢的乐队按播放次数排序。遍历选择，第一次看完n个选出次数最多的。第二次看剩下n-1个，依次类推。

要找出播放次数最多的乐队，必须检查列表中的每个元素。

需要的总时间为 O(n × n)，即 O(n^2) 。

选择排序速度不快，快速排序是一种更快的排序算法，其运行时间为O(n log n)，下一章介绍。

#用选择排序，将数组元素按从小到大的顺序排列。
#第一步找到最小的元素再返回索引
def findsmallest(arr):
    smallest = arr[0]
    for i in range(len(arr)):
        if arr[i]<=smallest:
            smallest = arr[i]
            small_index = i
        i+=1
    return small_index

a =[5,3,6,8,2,7,9] #待排序的数组
print(findsmallest(a))

def sortnumber(arr):
    new = []
    for i in range(len(arr)):
        index = findsmallest(arr)
        new.append(arr[index])
        del arr[index]
    return new
print(sortnumber(a))

Out: