python二分法编程_python基础18——二分法&面向过程&匿名函数

二分法

算法：是高效解决问题的办法

算法之二分法

格式:

def binary_search(ls, num, lower=0, high=None):

if high is None:

high = len(ls) - 1

mid = (lower + high) // 2

if mid == 0 and num != ls[0]:

return "不存在"

if mid == len(ls) - 1 and num != ls[-1]:

return "不存在"

if num == ls[mid]:

return mid, ls[mid]

elif num < ls[mid]:

return binary_search(ls, num, lower, mid)

else:

return binary_search(ls, num, mid + 1, high)

需求：有一个按照从小到大顺序排列的数字列表

需要从该数字列表中找到我们想要的那个一个数字

如何做更高效？？？

nums=[-3,4,7,10,13,21,43,77,89]

find_num=10

nums=[-3,4,13,10,-2,7,89]

nums.sort() #升序

print(nums)

方案一：整体遍历效率太低

for num in nums:

if num == find_num:

print('find it')

break

方案二：二分法

def binary_search(find_num,列表):

mid_val=找列表中间的值

if find_num > mid_val:

# 接下来的查找应该是在列表的右半部分

# 列表=列表切片右半部分

binary_search(find_num,列表)

elif find_num < mid_val:

# 接下来的查找应该是在列表的左半部分

# 列表=列表切片左半部分

binary_search(find_num,列表)

else:

print('find it')

nums=[-3,4,7,10,13,21,43,77,89]

find_num=8

def binary_search(find_num,l):

print(l)

if len(l) == 0:

print('找的值不存在')

return

mid_index=len(l) // 2

if find_num > l[mid_index]:

# 接下来的查找应该是在列表的右半部分

l=l[mid_index+1:]

binary_search(find_num,l)

elif find_num < l[mid_index]:

# 接下来的查找应该是在列表的左半部分

l=l[:mid_index]

binary_search(find_num,l)

else:

print('find it')

binary_search(find_num,nums)

面向过程稿编程思想

# 编程思想/范式

面向过程的编程思想：

核心是"过程"二字，过程即流程，指的是做事的步骤：先什么、再什么、后干什么

基于该思想编写程序就好比在设计一条流水线

优点：复杂的问题流程化、进而简单化

缺点：扩展性非常差

面向过程的编程思想应用场景解析：

1、不是所有的软件都需要频繁更迭：比如编写脚本

2、即便是一个软件需要频繁更迭，也不并不代表这个软件所有的组成部分都需要一起更迭

匿名函数

1、def用于定义有名函数

func=函数的内存地址

def func(x,y):

return x+y

print(func)

2、lamdab用于定义匿名函数

print(lambda x,y:x+y)

3、调用匿名函数

方式一：

res=(lambda x,y:x+y)(1,2)

print(res)

方式二：

func=lambda x,y:x+y

res=func(1,2)

print(res)

4、匿名用于临时调用一次的场景：更多的是将匿名与其他函数配合使用

# 应用

salaries={

'siry':3000,

'tom':7000,

'lili':10000,

'jack':2000

}

需求1：找出薪资最高的那个人=》lili

res=max([3,200,11,300,399])

print(res)

res=max(salaries)

print(res)

salaries={

'siry':3000,

'tom':7000,

'lili':10000,

'jack':2000

}

# 迭代出的内容 比较的值

'siry' 　　　　 3000

'tom' 　　　　 7000

'lili' 　　　　 10000

'jack' 　　　　 2000

def func(k):

return salaries[k]

========================max的应用

res=max(salaries,key=func) 　　　　　　# 返回值=func('siry')

print(res)

res=max(salaries,key=lambda k:salaries[k])

print(res)

========================min的应用

res=min(salaries,key=lambda k:salaries[k])

print(res)

========================sorted排序

salaries={

'siry':3000,

'tom':7000,

'lili':10000,

'jack':2000

}

res=sorted(salaries,key=lambda k:salaries[k],reverse=True)

print(res)

========================map的应用(了解):对array的每个元素做平方处理

l=['alex','lxx','wxx','薛贤妻']

new_l=(name+'_dsb' for name in l)

print(new_l)

res=map(lambda name:name+'_dsb',l)

print(res) 　　　　　　　　# 生成器

========================filter的应用（了解): 对array进行过滤操作

l=['alex_sb','lxx_sb','wxx','薛贤妻']

res=(name for name in l if name.endswith('sb'))

print(res)

res=filter(lambda name:name.endswith('sb'),l)

print(res)

========================reduce的应用(了解):对array进行合并操作，比如求和运算

from functools import reduce

res=reduce(lambda x,y:x+y,[1,2,3],10) 　　　　　　　　 # 16

print(res)

res=reduce(lambda x,y:x+y,['a','b','c']) 　　　　　　　　　　# 'a','b'

print(res)