基於Python的資料結構（二）搜尋演算法

搜尋是在項集合中查詢特定項的演算法過程。搜尋通常對於項是否存在返回 true 或 false。有時它可能返回項被找到的地方。在python中使用in即可完成對元素的查詢，但是

演算法原理：在項集合中按照順序對元素進行比較，即順序查詢，其時間為o(n)

優缺點：如果查詢的元素位置在中間，則時間只有n/2，但如果沒有相應匹配的時候，時間為n。如果集合是有序的列表，則可以在順序查詢過程中增加乙個判斷條件，以減少消耗的時間，判斷的條件是查詢元素和列表內的元素比較，如果出現比元素大的情況，就說明查詢的元素不在集合中。所以對序列先做排序會提公升順序查詢的速率。

**實現：

# 順序搜尋1
def sequentialsearch(alist,item):
pos=0
found = false
while pos item:
break
else:
found = true
return found
alist=[1,2,6,9,11]
print(sequentialsearch(alist,5))
print(sequentialsearch(alist,9))

演算法原理：已知對於查詢演算法，有序列表會增加效率。在有序列表下，為了提高查詢速率，我們從乙個列表中間開始進行比較，這樣時間為o(logn)。

優缺點：即使二分查詢通常比順序查詢更好，但重要的是要注意，對於小的 n 值，排序的額外成本可能不值得。事實上，我們應該經常考慮採取額外的分類工作是否使搜尋獲得好處。如果我們可以排序一次，然後查詢多次，排序的成本就不那麼重要。然而，對於大型列表，一次排序可能是非常昂貴，從一開始就執行順序查詢可能是最好的選擇。

**實現：

def binarysearch(alist, item):
mid = len(alist) // 2
left = alist[:mid]
right = alist[mid:]
found = false
while len(alist) > 1 and not found:
if item == alist[mid]:
return true
elif item < alist[mid]:
return binarysearch(left, item)
else:
return binarysearch(right, item)
if alist[0] != item:
return found

演算法原理：hash查詢的原理基於hash函式，列表通過hash函式將列表元素對映到乙個雜湊表中，其中雜湊表的索引即hash函式對映的值，對應位置儲存的即列表的元素。通過雜湊表進行查詢，其時間複雜度為o(1)。

hash函式1. 餘數法：將項除以雜湊表的長隊，返回剩餘部分作為雜湊值(h(item) = item%(len(l))

優缺點：需要處理雜湊表的衝突

基於Python的資料結構（二）搜尋演算法

資料結構深搜廣搜加強

python資料結構（二）

Python實現的資料結構與演算法之基本搜尋詳解

基於Python的資料結構（二） 搜尋演算法

資料結構 深搜廣搜加強

python資料結構（二）

Python實現的資料結構與演算法之基本搜尋詳解

相關推薦

基於Python的資料結構（二）搜尋演算法

資料結構深搜廣搜加強