Python基础查找算法

简介: Python基础查找算法

一  顺序查找


1 在列表中顺序查找特定的值key,如果找到返回该值在列表中的索引号,如果没有找到返回“不存在”


def sequential_search(lst, key):
    length = len(lst)
    for i in range(length):
        if lst[i] == key:
            return i
    else:
        return "不存在"
def main():
    alist = [5,3,7,2,12,45,16,23]       #测试列表
    print("所要查找的元素的位置是:",sequential_search(alist, 12)) #查找数据12
    print("所要查找的元素的位置是:",sequential_search(alist, 36)) #查找数据36
main()  #调用main函数

运行结果:

image.png



2 在列表中顺序查找最大值和最小值。


def max_min(lst):
    max = min = lst[0]
    for i in range(len(lst)):
        if lst[i] > max:
            max = lst[i]
        if lst[i]< min:
            min = lst[i]
    return (max,min)
def main():
    alist = [5,3,7,2,12,45,16,23]       #测试列表
    print("列表中元素的(最大值,最小值)=",max_min(alist)) #查找列表的最大值最小值
main()

运行结果:

image.png



二  二分查找  


1 针对有序表的二分查找,非递归实现。


def binary_search(lst, key):
    low = 0                    #左边界
    high = len(lst) - 1        #右边界
    time = 0                   #记录查找次数
    while low <= high:           #左边界小于等于右边界,则循环
        time += 1
        mid = (low + high)//2
        if  lst[mid]>key:        #中间位置元素大于要查找的值
            high = mid - 1
        elif lst[mid]<key:
            low = mid + 1
        else:
            print("折半查找的次数: %d" % time)
            print("所要查找的值在列表中的索引号是:", end='')
            return mid
    print("折半查找的次数: %d" % time)
    return '未找到'         #查找不成功,'未找到'
def main():
    alist = [5, 13, 19, 21, 37, 56, 64, 75, 80, 88, 92]
    result = binary_search(alist, 13)
    print(result)
main()

运行结果:

image.png



2 针对有序表二分查找,递归实现。


def binary_search(lst, low, high, key):
    mid = int((low + high)/2)
    if high < low:
        return False
    elif lst[mid]==key:
        print("所要查找的值在列表中的索引号是:", end='')
        return mid
    elif lst[mid]> key:
        high = mid - 1
        return binary_search(lst, low, high, key)
    else:
        low = mid + 1
        return binary_search(lst, low, high, key)
if __name__=="__main__" :
    alist = [5, 13, 19, 21, 37, 56, 64, 75, 80, 88, 92]
    low = 0
    high = len(alist) - 1
    result = binary_search(alist, 0, high, 21)
    print(result)

运行结果:


image.png


三 插值查找


插值查找是在二分查找的基础上改进,二分查找中分点的计算公式:mid=(low+high)/2,即 mid=low+1/2*(high-low)


插值查找改进为:mid=low+(key-lst[low])/(lst[high]-lst[low])*(high-low)


插值查找代码的实现:


def interpolation_search(lst, low, high, key):
    time = 0   #用来记录查找次数
    while low < high:
        time += 1
        # 计算mid值是插值算法的核心代码
        mid = low + int((high - low) * (key - lst[low])/(lst[high] - lst[low]))
        print("mid={0}, low={1}, high={2}".format(mid, low, high))
        if lst[mid] > key:
            high = mid - 1
        elif lst[mid] < key:
            low = mid + 1
        else:
            print("插值查找%s的次数:%s"%(key, time))  #打印插值查找的次数
            return mid
    print("插值查找%s的次数:%s"%(key, time))
    return False
def main():
    alist = [5, 13, 19, 21, 37, 56, 64, 75, 80, 88, 92]
    low = 0
    high = len(alist) - 1
    interpolation_search(alist, low, high, 13)
main()

运行结果:

image.png



四 总结:


这是用python实现基础的查找算法,每个算法的复杂度不同,运行效率也不同,由于时间问题没有仔细给出每个算法的复杂度,如果有兴趣的小伙伴可以去自己试一试每个算法的复杂度。



目录
相关文章
|
9天前
|
机器学习/深度学习 存储 算法
解锁文件共享软件背后基于 Python 的二叉搜索树算法密码
文件共享软件在数字化时代扮演着连接全球用户、促进知识与数据交流的重要角色。二叉搜索树作为一种高效的数据结构,通过有序存储和快速检索文件,极大提升了文件共享平台的性能。它依据文件名或时间戳等关键属性排序,支持高效插入、删除和查找操作,显著优化用户体验。本文还展示了用Python实现的简单二叉搜索树代码,帮助理解其工作原理,并展望了该算法在分布式计算和机器学习领域的未来应用前景。
|
25天前
|
监控 算法 安全
深度洞察内网监控电脑:基于Python的流量分析算法
在当今数字化环境中,内网监控电脑作为“守城卫士”,通过流量分析算法确保内网安全、稳定运行。基于Python的流量分析算法,利用`scapy`等工具捕获和解析数据包,提取关键信息,区分正常与异常流量。结合机器学习和可视化技术,进一步提升内网监控的精准性和效率,助力企业防范潜在威胁,保障业务顺畅。本文深入探讨了Python在内网监控中的应用,展示了其实战代码及未来发展方向。
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
130 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
2月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
347 55
|
2月前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
132 66
|
5天前
|
监控 算法 安全
内网桌面监控软件深度解析:基于 Python 实现的 K-Means 算法研究
内网桌面监控软件通过实时监测员工操作,保障企业信息安全并提升效率。本文深入探讨K-Means聚类算法在该软件中的应用,解析其原理与实现。K-Means通过迭代更新簇中心,将数据划分为K个簇类,适用于行为分析、异常检测、资源优化及安全威胁识别等场景。文中提供了Python代码示例,展示如何实现K-Means算法,并模拟内网监控数据进行聚类分析。
28 10
|
23天前
|
存储 算法 安全
控制局域网上网软件之 Python 字典树算法解析
控制局域网上网软件在现代网络管理中至关重要,用于控制设备的上网行为和访问权限。本文聚焦于字典树(Trie Tree)算法的应用,详细阐述其原理、优势及实现。通过字典树,软件能高效进行关键词匹配和过滤,提升系统性能。文中还提供了Python代码示例,展示了字典树在网址过滤和关键词屏蔽中的具体应用,为局域网的安全和管理提供有力支持。
50 17
|
1月前
|
存储 监控 算法
员工电脑监控屏幕场景下 Python 哈希表算法的探索
在数字化办公时代,员工电脑监控屏幕是保障信息安全和提升效率的重要手段。本文探讨哈希表算法在该场景中的应用,通过Python代码例程展示如何使用哈希表存储和查询员工操作记录,并结合数据库实现数据持久化,助力企业打造高效、安全的办公环境。哈希表在快速检索员工信息、优化系统性能方面发挥关键作用,为企业管理提供有力支持。
45 20
|
27天前
|
存储 人工智能 算法
深度解密:员工飞单需要什么证据之Python算法洞察
员工飞单是企业运营中的隐性风险,严重侵蚀公司利润。为应对这一问题,精准搜集证据至关重要。本文探讨如何利用Python编程语言及其数据结构和算法,高效取证。通过创建Transaction类存储交易数据,使用列表管理订单信息,结合排序算法和正则表达式分析交易时间和聊天记录,帮助企业识别潜在的飞单行为。Python的强大功能使得从交易流水和沟通记录中提取关键证据变得更加系统化和高效,为企业维权提供有力支持。
|
3月前
|
搜索推荐 Python
利用Python内置函数实现的冒泡排序算法
在上述代码中,`bubble_sort` 函数接受一个列表 `arr` 作为输入。通过两层循环,外层循环控制排序的轮数,内层循环用于比较相邻的元素并进行交换。如果前一个元素大于后一个元素,就将它们交换位置。
155 67

热门文章

最新文章