【Python百日刷题计划】Day6~初识算法与递归

简介: 【Python百日刷题计划】Day6~初识算法与递归

 🍀目录

🍏例一前言

🍏例一要求

🍏例一解析

🍏二分法流程图分析

🍏例一答案

🍅例二前言

🍅例二要求

🍅例二解析

🍅例二答案

🍅例题二思考

🍀最后


🍏例一前言

如果有一个列表 'l',要 让你从这个列表中找到66的位置,你要怎么做?

l = [2,3,5,10,15,16,18,22,26,30,32,35,41,42,43,55,56,66,67,69,72,76,82,83,88]

你可能使用以下方法会很简单的到结果:

l = [2,3,5,10,15,16,18,22,26,30,32,35,41,42,43,55,56,66,67,69,72,76,82,83,88]
print('l中66的索引位置是:',l.index(66))
输出结果:
l中66的索引位置是: 17
image.gif

我们之所以用index方法可以找到,是因为python内部帮我们实现了查找方法。如果题目明确规定index方法不给你用了,并且只能够使用算法查找,你还能找到这个66么?

🍏例一要求

使用二分查找算法实现列表中index方法的功能,例如给你一个列表

l = [2,3,5,10,15,16,18,22,26,30,32,35,41,42,43,55,56,66,67,69,72,76,82,83,88]

通过调用你写的find函数可以返回该列表中你想查找的元素的下标,如果你想查找的元素不在该列表中调用find函数则返回'你想要的值不在该列表中'

🍏例一解析

    • 简述一下算法:

           我们学习的算法都是过去时,只有我们了解基础算法,才能够创造出更好的算法,不是

    所有的事情都能套用现成的方法解决,有的时候会用到学过的算法知识来解决新的问题。

      • 二分法的使用条件:

      1)数组为有序数组。

      2)同时题目还强调数组中无重复元素,因为一旦有重复元素,使用二分查找法返回的元素下标可能不是唯一的。        

      解决本题之前应该要熟悉递归函数的使用方法以及二分法的条件

      🍏二分法流程图分析

      比如们要在列表中找到元素66对应的位置,应该将每一次列表的中间数与66进行比较,第一次比较中间值41<66,则说明66位于41的右边,则下一次取41右边的所有数的中间值与66进行比较,以此类推直到中间值与66相同就找到了66所在的位置。

      image.gif编辑

      🍏例一答案

      l = [2,3,5,10,15,16,18,22,26,30,32,35,41,42,43,55,56,66,67,69,72,76,82,83,88]
      #确定函数的参数l为想找元素所在的列表,aim为想找的元素,其他为默认参数
      def find(l,aim,start=0,end=None):              
          end = len(l) if end is None else end
          mid_index = (end - start) // 2 + start    #求中间值mid_index
          if start <= end:                          #若start > end则说明元素不在该列表中
              if aim > l[mid_index]:
                  return find(l,aim,start = mid_index + 1,end=end)
              if aim < l[mid_index]:
                  return find(l, aim,start=start,end=mid_index - 1)
              else:
                  return mid_index
          else:
              print('你想要的值不在该列表中')
      image.gif

      🍅例二前言

      这里我们又要举个例子来说明递归能做的事情。

      例二:

      现在你们问我,A同学多大了?我说我不告诉你,但A同学比 B同学大两岁。

      你想知道A同学多大,你是不是还得去问B同学的年龄?B同学说,我也不告诉你,但我比C同学大两岁。

      你又问C同学的年龄,C同学也不告诉你,他说他比D同学大两岁。

      那你问D同学,D同学终于告诉你,他18了。

      这个时候你是不是就知道了?A同学多大?

      image.gif

      🍅例二要求

      使用递归函数求得各个同学的年龄

      🍅例二解析

      本题难度十分小,主要是了解递归

      递归函数:在一个函数里在调用这个函数本身。

      递归的最大深度:998

      正如你们刚刚看到的,递归函数如果不受到外力的阻止会一直执行下去。但是我们之前已经说过关于函数调用的问题,每一次函数调用都会产生一个属于它自己的名称空间,如果一直调用下去,就会造成名称空间占用太多内存的问题,于是python为了杜绝此类现象,强制的将递归层数控制在了997

      条件:

        1、超过最大递归限制的报错
         2、只要写递归函数,必须有结束条件
      返回值:
         1、不要只看到return就认为已经返回了,要看返回操作是在递归的第几层的时候发生的
         然后返回给了谁
         2、如果不是返回给了最外层函数,调用者就接收不到,需要再分析,看如何把结果返回回来

      🍅例二答案

      参数n表示想找学生的序号:例A(n = 1),B(n = 2)……

      def age(n):
          if n == 4:
              return 18
          else:
              return age(n+1) + 2
      image.gif

      🍅例题二思考

      找出下面代码出错的原因,为什么没写return不是返回None而是报错呢?以及为什么会出现以下的错误类型

      def age(n):
          if n == 4:
              return 18
          else:
              age(n+1) + 2
      print(age(2))
      输出结果:
      TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'
      错误翻译:
      TypeError:+ 不支持的操作数类型:“NoneType”和“int”
      image.gif

      结合以下代码分析

      image.gif


      相关文章
      |
      10天前
      |
      机器学习/深度学习 算法 机器人
      【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
      【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
      |
      10天前
      |
      机器学习/深度学习 算法 机器人
      【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
      【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
      |
      10天前
      |
      机器学习/深度学习 编解码 算法
      【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
      【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
      |
      10天前
      |
      机器学习/深度学习 算法 机器人
      【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
      【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
      |
      10天前
      |
      机器学习/深度学习 算法 机器人
      【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
      【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
      |
      10天前
      |
      算法 机器人 定位技术
      【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
      【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
      机器学习/深度学习 算法 自动驾驶
      109 0
      |
      11月前
      |
      机器学习/深度学习 算法 搜索推荐
      从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
      【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
      320 3
      |
      机器学习/深度学习 算法 搜索推荐
      从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
      【7月更文挑战第22天】在大数据领域,Python算法效率至关重要。本文深入解析时间与空间复杂度,用大O表示法衡量执行时间和存储需求。通过冒泡排序(O(n^2)时间,O(1)空间)与快速排序(平均O(n log n)时间,O(log n)空间)实例,展示Python代码实现与复杂度分析。策略包括算法适配、分治法应用及空间换取时间优化。掌握这些,可提升大数据处理能力,持续学习实践是关键。
      283 1
      |
      存储 机器学习/深度学习 算法
      Python算法基础教程
      Python算法基础教程
      95 0

      热门文章

      最新文章

      推荐镜像

      更多