排序和搜尋

搜尋的演算法過程就是在一些項的集合中找到乙個特定的項，我們感興趣的是這些演算法的工作原理以及他們相互比較的優劣

從列表的第一項開始，直到發現正在尋找的資料項或者遍歷所有資料項

無序表順序搜尋的比對

二分法必須用於有序的列表中，二分搜尋的複雜度是o(log(n))

def
binarysearch
(alist,item)
:"""二分法搜尋"""
first =
0    last =
len(alist)-1
found =
false
while first<=last and
not found:
midpoint =
(first+last)//2
if alist[midpoint]
== item:
found =
true
else
:if item
:                last = midpoint-
1elif item>alist[midpoint]
:                first = midpoint+
1return found

二分法搜尋-遞迴版

def
binarysearch
(alist,item)
:"""實現二分搜尋的遞迴呼叫"""
iflen
(alist)==0
:return
false
else
:        midpoint =
len(alist)//2
if alist[midpoint]
== item:
return
true
else
:if alist[midpoint]
>item:
return binarysearch(alist[
:midpoint]
,item)
else
:return binarysearch(alist[midpoint+1:
],item)

雜湊表是一種資料的集合，其中的每個資料都通過某種特定的方式進行儲存以方面日後的查詢。雜湊表的每乙個位置叫做槽，能夠存放乙個資料項，並以從0開始遞增的整數命名。

如果雜湊函式過於複雜，導致花費大量的時間去計算槽的名稱,還不如進行簡單的順序搜尋或者二分法搜尋。

當兩個資料雜湊到相同的槽，我們必須用一種系統化的方法將第二個資料放到雜湊表裡。這個過程叫做衝突解決，是實現雜湊函式的重要部分

簡單的方法就是從發生衝突的位置開始順序向下開始尋找，直到我們遇到第乙個空的槽。注意到

我們可能需要回到第乙個槽（迴圈）來實現覆蓋整個雜湊

class
hashtable()
:def
__init__
(self)
:        self.size =
11        self.slots =
[none
]*self.size
self.data =
[none
]*self.size
defput(self,key,data)
:        hashvalue = self.hashfunction(key,
len(self.slots)
)#當對應的雜湊值的槽為空時，分別將key和data分別插入到slots和data中
if self.slots[hashvalue]
==none
:            self.slots[hashvalue]
= key
self.data[hashvalue]
= data
else
:#如果非空槽已包含key，則將以前的data替換為新的data
if self.slots[hashvalue]
== key:
self.data[hashvalue]
= data
else
:#使用rehash()函式重新計算hashvalue(nextslot),即下乙個空槽的位置
nextslot = self.rehash(hashvalue,
len(self.slots)
)while self.slots[nextslot]
!=none
and self.slots[nextslot]
!= key:
nextslot = self.rehash(nextslot,
len(self.slots)
)#找到空槽，插入key和data
if self.slots[nextslot]
==none
:                    self.slots[nextslot]
= key
self.data[nextslot]
= data
#或者找到包含key的非空槽，更新data
else
:                    self.data[nextslot]
= data
defhashfunction
(self,key,size)
:"""用於計算首次的hashvalue"""
return key%size
defrehash
(self,oldhash,size)
:#用於解決衝突
return
(oldhash+1)
%size
defget(self,key)
:        startslot = hashfunction(key,
len(self.slots)
)        data =
none
stop =
false
found =
false
position = startslot
while
not stop and
not found and self.slots[position]
!=none
:if self.slots[position]
== key:
found =
true
data = self.data[position]
else
:                position = self.rehash(position,
len(self.slots)
)if position == startslot:
stop =
true
return data
def__getitem__
(self,key)
:return self.get(key)
def__setitem__
(self, key, data)
:return self.put(key, data)

在分析雜湊表的使用情況時最重要的因素是負載因子。從概念上來看，如果較小，那麼發生衝突的概率就較低，這意味著資料項有更大的可能填充在它們本該處於的位置上。如果較大，這意味著整個雜湊表接近於被填滿，緊接著會造成越來越多的衝突。衝突的解決也會變得越來越困難，需要越來越多的比對操作來找到乙個空槽。如果通過資料鏈方法解決衝突，逐漸增多的衝突預示著在每條鏈上會儲存越來越多的資料

排序和搜尋

List lt T gt 的搜尋和排序

Elasticsearch （九）搜尋排序和高亮

拓撲排序深度優先搜尋和廣度優先搜尋實現

排序和搜尋

List lt T gt 的搜尋和排序

Elasticsearch （九）搜尋排序和高亮

拓撲排序 深度優先搜尋和廣度優先搜尋實現

相關推薦

拓撲排序深度優先搜尋和廣度優先搜尋實現