快捷導(dǎo)航

Python中bisect的使用方法

更新時(shí)間：2019年12月31日 10:31:20 作者：北洛

這篇文章主要介紹了Python中bisect的使用方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

Python中列表（list）的實(shí)現(xiàn)其實(shí)是一個(gè)數(shù)組，當(dāng)要查找某一個(gè)元素的時(shí)候時(shí)間復(fù)雜度是O(n)，使用list.index()方法，但是隨著數(shù)據(jù)量的上升，list.index()的性能也逐步下降，所以我們需要使用bisect模塊來(lái)進(jìn)行二分查找，前提我們的列表是一個(gè)有序的列表。

遞歸二分查找和循環(huán)二分查找

def binary_search_recursion(lst, val, start, end):
  if start > end:
    return None
  mid = (start + end) // 2
  if lst[mid] < val:
    return binary_search_recursion(lst, val, mid + 1, end)
  if lst[mid] > val:
    return binary_search_recursion(lst, val, start, mid - 1)
  return mid
 
 
def binary_search_loop(lst, val):
  start, end = 0, len(lst) - 1
  while start <= end:
    mid = (start + end) // 2
    if lst[mid] < val:
      start = mid + 1
    elif lst[mid] > val:
      end = mid - 1
    else:
      return mid
  return None

為了比對(duì)一下兩者的性能，我們使用timeit模塊來(lái)測(cè)試兩個(gè)方法執(zhí)行，timeit模塊的timeit方法默認(rèn)會(huì)對(duì)需要測(cè)試的函數(shù)執(zhí)行1000000，然后返回執(zhí)行的時(shí)間。

>>> import random
>>> from random import randint
>>> from random import choice
>>> random.seed(5)
>>> lst = [randint(1, 100) for _ in range(500000)]
>>> lst.sort()
>>> val = choice(lst)
>>> val
6
>>> def test_recursion():
...   return binary_search_recursion(lst, val, 0, len(lst) - 1)
...
>>> def test_loop():
...   return binary_search_loop(lst, val)
...
>>> import timeit
>>> t1 = timeit.timeit("test_recursion()", setup="from __main__ import test_recursion")
>>> t1
3.9838006450511045
>>> t2 = timeit.timeit("test_loop()", setup="from __main__ import test_loop")
>>> t2
2.749765167240339

可以看到，循環(huán)二分查找比遞歸二分查找性能要來(lái)的好些。現(xiàn)在，我們先用bisect的二分查找測(cè)試一下性能

用bisect來(lái)搜索

>>> import bisect
>>> def binary_search_bisect(lst, val):
...   i = bisect.bisect(lst, val)
...   if i != len(lst) and lst[i] == val:
...     return i
...   return None
...
>>> def test_bisect():
...   return binary_search_bisect(lst, val)
...
>>> t3 = timeit.timeit("test_bisect()", setup="from __main__ import test_bisect")
>>> t3
1.3453236258177412

對(duì)比之前，我們可以看到用bisect模塊的二分查找的性能比循環(huán)二分查找快一倍。再來(lái)對(duì)比一下，如果用Python原生的list.index()的性能

>>> def test_index():
...   return lst.index(val)
...
>>> t4 = timeit.timeit("test_index()", setup="from __main__ import test_index")
>>> t4
518.1656223725007

可以看到，如果用Python原生的list.index()執(zhí)行1000000，需要500秒，相比之前的二分查找，性能簡(jiǎn)直慢到恐怖

用bisect.insort插入新元素

排序很耗時(shí)，因此在得到一個(gè)有序序列之后，我們最好能夠保持它的有序。bisect.insort就是為這個(gè)而存在的

insort(seq, item)把變量item插入到序列seq中，并能保持seq的升序順序

import random
from random import randint
import bisect
 
lst = []
SIZE = 10
random.seed(5)
for _ in range(SIZE):
  item = randint(1, SIZE)
  bisect.insort(lst, item)
  print('%2d ->' % item, lst)

輸出：

10 -> [10]
5 -> [5, 10]
6 -> [5, 6, 10]
9 -> [5, 6, 9, 10]
1 -> [1, 5, 6, 9, 10]
8 -> [1, 5, 6, 8, 9, 10]
4 -> [1, 4, 5, 6, 8, 9, 10]
1 -> [1, 1, 4, 5, 6, 8, 9, 10]
3 -> [1, 1, 3, 4, 5, 6, 8, 9, 10]
2 -> [1, 1, 2, 3, 4, 5, 6, 8, 9, 10]

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: