搜索的算法过程就是在一些项的集合中找到一个特定的项,我们感兴趣的是这些算法的工作原理以及他们相互比较的优劣
顺序搜索
从列表的第一项开始,直到发现正在寻找的数据项或者遍历所有数据项
无序表顺序搜索的比对
二分法搜索
二分法必须用于有序的列表中,二分搜索的复杂度是O(log(n))
def binarySearch(alist,item):
"""二分法搜索"""
first = 0
last = len(alist)-1
found = False
while first<=last and not found:
midpoint = (first+last)//2
if alist[midpoint] == item:
found = True
else:
if item<alist[midpoint]:
last = midpoint-1
elif item>alist[midpoint]:
first = midpoint+1
return found
二分法搜索-递归版
def binarySearch(alist,item):
"""实现二分搜索的递归调用"""
if len(alist) == 0:
return False
else:
midpoint = len(alist)//2
if alist[midpoint] == item:
return True
else:
if alist[midpoint]>item:
return binarySearch(alist[:midpoint],item)
else:
return binarySearch(alist[midpoint+1:],item)
散列
散列表是一种数据的集合,其中的每个数据都通过某种特定的方式进行存储以方面日后的查找。散列表的每一个位置叫做槽,能够存放一个数据项,并以从0开始递增的整数命名。
如果散列函数过于复杂,导致花费大量的时间去计算槽的名称,还不如进行简单的顺序搜索或者二分法搜索。
当两个数据散列到相同的槽,我们必须用一种系统化的方法将第二个数据放到散列表里。这个过程叫做冲突解决,是实现散列函数的重要部分
简单的方法就是从发生冲突的位置开始顺序向下开始寻找,直到我们遇到第一个空的槽。注意到
我们可能需要回到第一个槽(循环)来实现覆盖整个散列
class HashTable():
def __init__(self):
self.size = 11
self.slots = [None]*self.size
self.data = [None]*self.size
def put(self,key,data):
hashvalue = self.hashfunction(key,len(self.slots))
#当对应的哈希值的槽为空时,分别将key和data分别插入到slots[]和data中
if self.slots[hashvalue] == None:
self.slots[hashvalue] = key
self.data[hashvalue] = data
else:
#如果非空槽已包含key,则将以前的data替换为新的data
if self.slots[hashvalue] == key:
self.data[hashvalue] = data
else:
#使用rehash()函数重新计算hashvalue(nextslot),即下一个空槽的位置
nextslot = self.rehash(hashvalue,len(self.slots))
while self.slots[nextslot] != None and self.slots[nextslot] != key:
nextslot = self.rehash(nextslot,len(self.slots))
#找到空槽,插入key和data
if self.slots[nextslot] == None:
self.slots[nextslot] = key
self.data[nextslot] = data
#或者找到包含key的非空槽,更新data
else:
self.data[nextslot] = data
def hashfunction(self,key,size):
"""用于计算首次的hashvalue"""
return key%size
def rehash(self,oldhash,size):
#用于解决冲突
return (oldhash+1)%size
def get(self,key):
startslot = hashfunction(key,len(self.slots))
data = None
stop = False
found = False
position = startslot
while not stop and not found and self.slots[position] != None:
if self.slots[position] == key:
found = True
data = self.data[position]
else:
position = self.rehash(position,len(self.slots))
if position == startslot:
stop =True
return data
def __getitem__(self,key):
return self.get(key)
def __setitem__(self, key, data):
return self.put(key, data)
在分析散列表的使用情况时最重要的因素是负载因子。从概念上来看,如果较小,那么发生冲突的概率就较低,这意味着数据项有更大的可能填充在它们本该处于的位置上。如果较大,这意味着整个散列表接近于被填满,紧接着会造成越来越多的冲突。冲突的解决也会变得越来越困难,需要越来越多的比对操作来找到一个空槽。如果通过数据链方法解决冲突,逐渐增多的冲突预示着在每条链上会存储越来越多的数据项