python算法简单了解

算法图解python

算法就是符合限制的条件下，把输入转成输出

二分法

二分查找是一种算法，其输入是一个有序的元素列表。如果要 查找的元素包含在列表中，二分查找返回其位置；否则返回null。算法复杂度O（log n）

• 大O表示法指出了算法有多快。例如，假设列表包含n个元素。简 单查找需要检查每个元素，因此需要执行n次操作。使用大O表示法， 这个运行时间为O(n)。单位秒呢？没有——大O表示法指的并非以秒为单位的速度。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。
  • 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(n 2)，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。

def binary_search(list, item):
	 """
    :param list: 传入一个列表
    :param item: 目标查找数
    :return: 返回值
    """
    low = 0
    high = len(list)-1
    while low <= high:
        mid = (low + high)//2
        guess = list[mid]
        if guess == item:
            return mid
        if guess > item:
            high = mid - 1
        else:
            low = mid + 1
    return None

在电话簿中根据名字查找电话号码。

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。）

阅读电话簿中每个人的电话号码。

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！

选择排序

随着排序的进行，每次需要检查的元素数在逐渐减少，最后一次需要检查的元素都只有一 个。既然如此，运行时间怎么还是O(n2)呢？

这个问题问得好，这与大O表示法中的常数相关。 你说得没错，并非每次都需要检查n个元素。第一次需要检查n个元素，但随后检查的元素 数依次为n -1, n – 2, …, 2和1。平均每次检查的元素数为1/2 × n，因此运行时间为O(n × 1/2 × n)。 但大O表示法省略诸如1/2这样的常数（有关这方面的完整讨论，请参阅第4章），因此简单地写 作O(n × n)或O(n2)。

def findSmallest(arr): 
   smallest = arr[0]
   smallest_index = 0 
   for i in range(1, len(arr)): 
   	if arr[i] < smallest: 
           smallest = arr[i] 
           smallest_index = i 
   return smallest_index

def selectionSort(arr):
   newArr = [] 
   for i in range(len