Python算法学习笔记

泥地小白菜

已于 2022-10-03 21:43:46 修改

阅读量608

点赞数

文章标签：学习算法

于 2022-09-29 20:08:47 首次发布

本文链接：https://blog.csdn.net/weixin_45906989/article/details/127107463

版权

本文是Python算法学习笔记，涵盖了二分查找、选择排序、链表、递归、快速排序、散列表、广度优先搜索、狄克斯特拉算法和贪婪算法等核心概念。详细讲解了每种算法的原理、优缺点和应用场景，特别是讨论了动态规划和贪心算法在解决复杂问题中的应用，以及如何识别和处理NP完全问题。

摘要由CSDN通过智能技术生成

2022.9.29

第一章

二分查找：输入的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

对于同样的查找任务，普通查找需要n次，二分查找需要log2n次

指数中在不指定下标的情况下默认底数都是2，因此二分查找在查找任务中最多需要检查log n个元素

注意：仅当列表有序时二分查找才有用

def binary_search(list,item):
    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

my_list=[1,3,5,7,9]
print(binary_search(my_list,3))
print(binary_search(my_list,-1))

import numpy as np
"""
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
长度翻倍后最多需要几步
"""
res = np.log2(128)
print(res) # 7
res_new=np.log2(256)
print(res_new) # 8

运行时间

线性时间：最多需要猜测的次数与列表长度相同用大O表示法则是O(n),相对的二分查找的大O表示法为O(log n)

大O表示法

大O表示法指出了算法有多快，例如列表含有n个元素，简单查找需要检查每个元素，因此需要n次操作，使用大O表示法就是O(n)，没有单位-----大O表示法指的是并非以秒为单位的速度，大O表示法能让我们能够比较操作数，它指出了算法运行时间的增速

注意：简单查找的运行时间不可能超过O(n)

最好情况指的就是一次就查找到目标，最坏情况是遍历完所有数据之后才找到目标

除了这两种情况之外，还需要考虑平均情况的运行时间