数据结构与算法（python）：顺序查找与二分查找算法

参考自 MOOC数据结构与算法Python版

一、顺序查找

• 通过下标，我们可以按照顺序来访问和查找具有线性或者顺序关系的数据项。
• 从列表的首项开始，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，则查找失败
• 顺序查找的算法复杂度是O(n)

1.1 无序表

【代码】

def sequantialSearch(alist, item):
    pos = 0
    found = False
    while pos < len(alist) and not found:
        if alist[pos] == item:
            found = True
        else:
            pos += 1
    return found
testList = [1, 2, 34, 32, 5, 23, 8, 0]
print(sequantialSearch(testList, 23))  #True
print(sequantialSearch(testList, 534))  #False

1.2 有序表

• 数据项排了序: 若数据项不存在，比对可以提前结束
• 算法复杂度仍然是O(n)

【代码】

def sequantialSearch(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 += 1
    return found
testList = [1, 2, 5, 8, 34, 32]
print(sequantialSearch(testList, 8))  #True
print(sequantialSearch(testList, 23))  #False

二、二分查找

利用有序表的特性，迅速缩小待比对数据项的范围
【步骤】

1. 从列表中间开始比对
   如果列表中间的项匹配查找项，则查找结束
   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
   无论如何，我们都会将比对范围缩小到原来的一半： n/2
2. 继续采用上面的方法查找，每次把范围缩小一半

2.1 二分查找

• 二分法查找的算法复杂度是O(log n)

【代码】

def binarySearch(alist, item):
    first = 0
    last = len(alist) - 1
    found = False
    while first <= last and not found:
        midpoint = (first + last)//2
        #中间项比对
        if alist[midpoint] == item:
            found = True
        else:
        #缩小比对范围
            if item< alist[midpoint]:
                last = midpoint -1
            else:
                first = midpoint + 1
    return found
testlist = [2, 4, 12, 24, 38, 49, 51]
print(binarySearch(testlist, 3))  #False
print(binarySearch(testlist,24))  #True

2.2 分而治之：递归算法

• 二分查找算法实际上体现了解决问题的典型策略： 分而治之
  将问题分为若干更小规模的部分通过解决每一个小规模部分问题，并将结果汇总得到原问题的解
• 递归算法就是一种典型的分治策略算法， 二分法也适合用递归算法来实现
• 切片操作的复杂度是O(k)，这样会使整个算法的时间复杂度稍有增加,也要考虑到对数据项进行排序的开销。所以， 在算法选择的问题上， 光看时间复杂度的优劣是不够的， 还需要考虑到实际应用的情况。

【代码】

def binarySearch(alist, item):
    if len(alist) == 0:
        return False
    else:
        midpoint = len(alist)//2
        if item < alist[midpoint]:
           return binarySearch(alist[:midpoint], item) #调用自身
        else:
           return binarySearch(alist[midpoint+1:],item)