笔记：《算法图解》第一章：二分查找、大O表示法

1. 二分查找

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None。二分查找的速度比简单查找快得多。

#二分查找函数代码
def binary_search(mylist,item):
	'''传入列表与需要查找的值'''
    low = 0 #最低位索引
    high = len(mylist)-1 #最高位索引
    while low <= high:
        mid = (low+high) // 2 #用双斜杠去尾取整，求中间的索引
        guess=mylist[mid] #猜测的值
        #如果值猜对，返回索引
        if guess == item:
            return mid #返回元素位置
        #如果猜的值大于需要查找的值，将查找最高位索引定位在mid-1处
        elif guess > item:
            high = mid - 1
        #如果猜的值小于需要查找的值，将查找最低位索引定位在mid+1处
        else:
            low = mid + 1
    return None
#测试
mylist = [1,3,5,7,9]
print(binary_search(mylist,3))
print(binary_search(mylist,6))

一般而言，对于包含n个元素的列表，用二分查找最多需要log2n步，而简单查找最多需要n步。

2. 大O表示法（算法的运行时间）

大O表示法是一种特殊的表示法，指出了算法的速度有多快。

❑ 算法的运行时间用大O表示法表示。
❑ 算法的速度指的并非时间，并非以秒为单位的速度，而是操作数的增速。
❑ 算法运行时间是从其增速的角度度量的。
❑大O表示法不考虑乘以、除以、加上或减去的数字。

大O表示法指的并非时间，不考虑常量，但有时候，常量的影响可能很大，对快速查找和合并查找来说就是如此。快速查找的常量比合并查找小，因此如果它们的运行时间都为O(n log n)，快速查找的速度将更快。

2.1 五种大O运行时间。

❑ 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(n2)，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。

练习

使用大O表示法给出下述各种情形的运行时间。
1.1 假设有一个包含128个名字的有序列表，你要使用二分查找在其中查找一个名字，请问最多需要几步才能找到？
1.2 上面列表的长度翻倍后，最多需要几步？
1.3 在电话簿中根据名字查找电话号码。
1.4 在电话簿中根据电话号码找人。（提示：须查找整个电话簿。）
1.5 阅读电话簿中每个人的电话号码。
1.6 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

1.1 7步。
1.2 8步。
1.3 O(log n)。
1.4 O(n)。
1.5 O(n)。
1.6 O(n)。你可能认为，我只对26个字母中的一个这样做，因此运行时间应为O(n / 26)。需要牢记的一条简单规则是，大O表示法不考虑乘以、除以、加上或减去的数字。下面这些都不是正确的大O运行时间：O(n +26)、O(n - 26)、O(n ＊ 26)、O(n / 26)，它们都应表示为O(n)！为什么呢？如果你好奇，请翻到4.3节，并研究大O表示法中的常量（常量就是一个数字，这里的26就是常量）。

《算法图解》- Aditya Bhargava