排序与查找
查找算法
顺序查找
如果数据项保存在列表这样的集合中,我们会称这些数据项具有线性或者顺序关系
在python list中,这些数据项的存储位置称为下标(index),这些下标都是有序的整数
通过下标,我们就可以按照顺序来访问和查找数据项,这种技术叫做“顺序查找”
- 要确定列表中是否存在需要查找的数据项
首先从列表的第一个数据项开始,
按照下标增长的顺序,逐个比对数据项
如果到最后一个都未发现要查找的项,那么查找失败
无序表中进行顺序查找:
def sequentialSearch(alist, item):
pos = 0
found = False
while pos < len(alist) and not found:
if alist[pos] == item:
found = True
else:
pos = pos+1#下标顺序增长
return found
testlist = [1, 2, 32, 8, 17, 19, 42, 13, 0]
print(sequentialSearch(testlist, 3))
print(sequentialSearch(testlist, 13))
算法分析
要对查找算法进行分析,首先要确定其中的计算步骤
基本计算步骤必须足够简单,并且在算法中反复执行
在查找算法中,这种基本步骤就是进行数据项的比对
当前数据项等于还是不等于要查找的数据项,比对的次数决定了算法复杂度
在顺序的查找算法中,为了保证是讨论的一般情况,需要假定列表中的数据项并没有按值排序,而是随机放置在表中的各个位置。
即,数据项在列表中各处出现的概率是相同的。
- 数据项是否存在列表中,比对次数是不一样的。
- 如果数据项不在列表中,需要比对数据项才能得知,比对次数是n。
- 如果数据项在列表中,要比对的次数,其情况就比较复杂。
- 最好的情况是,第一次比对就找到
- 最坏的情况是,要n次比对。
数据项在列表中各个位置出现的概率是相同的,平均情况下,比对的概率是n/2.
顺序查找的算法复杂度是O(n)。
顺序查找无序表复杂度:
Case | Best Case | Worst Case | Average Case |
---|---|---|---|
item is present | 1 | n | n/2 |
item is not present | n | n | n |
如果对数据项排序:
当数据项存在时,比对过程与无序表完全相同
不同之处在于,当数据项不存在时,比对可以提前结束,即当比对到较大的数时,可直接返回
有序表查找:
def orderedSequentialSearch(alist, item):
pos = 0
found = False
stop = False
while pos < len(alist) and not found and not stop:
if alist[pos] == item:
found = True
else:
if alist[pos] > item:
stop = True
else:
pos = pos+1
return found
testlist = [0, 1, 2, 8, 13, 17, 19, 32, 42,]
print(orderedSequentialSearch(testlist, 3))
print(orderedSequentialSearch(testlist, 13))
顺序查找有序表复杂度:
Case | Best Case | Worst Case | Average Case |
---|---|---|---|
item is present | 1 | n | n/2 |
item is not present | 1 | n | n/2 |
实际上,就算法复杂度而言,仍然是O(n)
只是在数据项不存在的时候,有序表的查找能节省一些比对次数,但并不改变其数量级
二分查找
- 1.对于有序表,更好的查找算法,从列表中间开始比对:
- 1.如果列表中间的项匹配查找项,则查找结束
- 2.如果不匹配,那么就有两种情况:
- 列表中间项比查找项大,那么查找项只可能出现在前半部分
- 列表中间项比查找项小,那么查找项只可能出现在后半部分
- 如论如何,我们都会将比对范围缩小为原来的一般:n/2
- 2.继续采用上面的方法查找,每次都会将比对范围缩小一半
二分查找代码实现:
def binarySearch(alist, item):
first = 0