快捷導(dǎo)航

Python實現(xiàn)的數(shù)據(jù)結(jié)構(gòu)與算法之基本搜索詳解

更新時間：2015年04月22日 15:28:03 作者：RussellLuo

這篇文章主要介紹了Python實現(xiàn)的數(shù)據(jù)結(jié)構(gòu)與算法之基本搜索,詳細(xì)分析了Python順序搜索、二分搜索的使用技巧,非常具有實用價值,需要的朋友可以參考下

本文實例講述了Python實現(xiàn)的數(shù)據(jù)結(jié)構(gòu)與算法之基本搜索。分享給大家供大家參考。具體分析如下：

一、順序搜索

順序搜索是最簡單直觀的搜索方法：從列表開頭到末尾，逐個比較待搜索項與列表中的項，直到找到目標(biāo)項（搜索成功）或者超出搜索范圍（搜索失?。?/p>

根據(jù)列表中的項是否按順序排列，可以將列表分為無序列表和有序列表。對于無序列表，超出搜索范圍是指越過列表的末尾；對于有序列表，超過搜索范圍是指進(jìn)入列表中大于目標(biāo)項的區(qū)域（發(fā)生在目標(biāo)項小于列表末尾項時）或者指越過列表的末尾（發(fā)生在目標(biāo)項大于列表末尾項時）。

1、無序列表

在無序列表中進(jìn)行順序搜索的情況如圖所示：

def sequentialSearch(items, target):
  for item in items:
    if item == target:
      return True
  return False

2、有序列表

在有序列表中進(jìn)行順序搜索的情況如圖所示：

def orderedSequentialSearch(items, target):
  for item in items:
    if item == target:
      return True
    elif item > target:
      break
  return False

二、二分搜索

實際上，上述orderedSequentialSearch算法并沒有很好地利用有序列表的特點。

二分搜索充分利用了有序列表的優(yōu)勢，該算法的思路非常巧妙：在原列表中，將目標(biāo)項（target）與列表中間項（middle）進(jìn)行對比，如果target等于middle，則搜索成功；如果target小于middle，則在middle的左半列表中繼續(xù)搜索；如果target大于middle，則在middle的右半列表中繼續(xù)搜索。

在有序列表中進(jìn)行二分搜索的情況如圖所示：

根據(jù)實現(xiàn)方式的不同，二分搜索算法可以分為迭代版本和遞歸版本兩種：

1、迭代版本

def iterativeBinarySearch(items, target):
  first = 0
  last = len(items) - 1
  while first <= last:
    middle = (first + last) // 2
    if target == items[middle]:
      return True
    elif target < items[middle]:
      last = middle - 1
    else:
      first = middle + 1
  return False

2、遞歸版本

def recursiveBinarySearch(items, target):
  if len(items) == 0:
    return False
  else:
    middle = len(items) // 2
    if target == items[middle]:
      return True
    elif target < items[middle]:
      return recursiveBinarySearch(items[:middle], target)
    else:
      return recursiveBinarySearch(items[middle+1:], target)

三、性能比較

上述搜索算法的時間復(fù)雜度如下所示：

搜索算法          時間復(fù)雜度
-----------------------------------
sequentialSearch      O(n)
-----------------------------------
orderedSequentialSearch  O(n) 
-----------------------------------
iterativeBinarySearch   O(log n)
-----------------------------------
recursiveBinarySearch   O(log n)
-----------------------------------
in             O(n)

可以看出，二分搜索的性能要優(yōu)于順序搜索。

值得注意的是，Python的成員操作符 in 的時間復(fù)雜度是O(n)，不難猜出，操作符 in 實際采用的是順序搜索算法。

四、算法測試

#!/usr/bin/env python
# -*- coding: utf-8 -*-
def test_print(algorithm, listname, target):
  print(' %d is%s in %s' % (target, '' if algorithm(eval(listname), target) else ' not', listname))
if __name__ == '__main__':
  testlist = [1, 2, 32, 8, 17, 19, 42, 13, 0]
  orderedlist = sorted(testlist)
  print('sequentialSearch:')
  test_print(sequentialSearch, 'testlist', 3)
  test_print(sequentialSearch, 'testlist', 13)
  print('orderedSequentialSearch:')
  test_print(orderedSequentialSearch, 'orderedlist', 3)
  test_print(orderedSequentialSearch, 'orderedlist', 13)
  print('iterativeBinarySearch:')
  test_print(iterativeBinarySearch, 'orderedlist', 3)
  test_print(iterativeBinarySearch, 'orderedlist', 13)
  print('recursiveBinarySearch:')
  test_print(recursiveBinarySearch, 'orderedlist', 3)
  test_print(recursiveBinarySearch, 'orderedlist', 13)

運行結(jié)果：

$ python testbasicsearch.py
sequentialSearch:
 3 is not in testlist
 13 is in testlist
orderedSequentialSearch:
 3 is not in orderedlist
 13 is in orderedlist
iterativeBinarySearch:
 3 is not in orderedlist
 13 is in orderedlist
recursiveBinarySearch:
 3 is not in orderedlist
 13 is in orderedlist

希望本文所述對大家的Python程序設(shè)計有所幫助。

您可能感興趣的文章: