二分查找比较次数_18.二分查找(上)

开篇问题：如何编写实现”求一个数的平方根“？要求精确到小数点后六位

1.二分查找的思想

二分查找（Binary Search）算法，也叫折半查找算法。

二分查找针对的是一个有序的数据集合，查找思想有点类似分治思想。每次都通过跟区间的中间元素对比，将待查找的区间缩小为之前的一半，直到找到要查找的元素，或者区间被缩小为 0。

举例二分查找例子：

假设有 1000 条订单数据，已经按照订单金额从小到大排序，每个订单金额都不同，并且最小单位是元。现在想知道是否存在金额等于 19 元的订单。如果存在，则返回订单数据，如果不存在则返回 null。

利用二分思想，每次都与区间的中间数据比对大小，缩小查找区间的范围。下图中，low 和 high 表示待查找区间的下标，mid 表示待查找区间的中间元素下标

二分查找的时间复杂度为O(logn)

2.O(logn)时间复杂度

二分查找是一种非常高效的查找算法，下面来分析时间复杂度的计算过程:

假设数据大小是n，每次查找后数据都会缩小为原来一半，也就是会除以2.最坏情况下，直到查找区间被缩小为空时，才停止。

从图可以看出为一个等比数列。其中

时，k 的值就是总共缩小的次数。而每一次缩小操作只涉及两个数据的大小比较，所以，经过了 k 次区间缩小操作，时间复杂度就是 O(k)。通过 n/2k=1，我们可以求得 k=log2n，所以时间复杂度就是 O(logn)。

关于时间复杂度为O(logn)的算法很少，后面学到的二叉树操作，堆，等等时间复杂度都为O(logn)。

3.二分查找的递归与非递归实现

实际上，二分查找代码比递归思想是更简单的，但是当讲到二分查找的变体问题时，那就比较烧脑的。

python实现二分查找模板：

def binary_search(arr: list, value) -> int:
    low, high = 0, len(arr) - 1
    while low <= high:
           mid = low + (high - low ) >> 1 # mid = low + (high - low ) // 2
           if arr[mid] == value:
              return mid
           elif arr[mid] > value:
               high = mid - 1 # 思想很简单吧。
           else:
               low = mid + 1
     return -1 # 表示未找到

low、high、mid 都是指数组下标，其中 low 和 high 表示当前查找的区间范围，初始 low=0， high=n-1。mid 表示 [low, high] 的中间位置。我们通过对比 a[mid] 与 value 的大小，来更新接下来要查找的区间范围，直到找到或者区间缩小为 0，就退出。

注意：

1. 循环退出条件

注意是 low<=high，而不是 low

2.mid 的取值