数据结构与算法

目录

1. 二分查找

  • 想象你在玩一个猜数字的游戏,数字范围是1到100。如果每次都猜中间的数字,然后根据提示(比如"猜大了"或"猜小了")来调整你的猜测范围,那么很快就可以找到正确的数字。
  • 二分查找就是这样的原理,每次都猜中间的数字,然后根据结果来缩小查找范围。这样的查找方法非常高效,因为每次都可以排除一半的可能性。

二分查找是一种在有序列表 中查找特定元素的算法。其基本思想是,通过与中间元素比较,将待查找的范围缩小一半,从而达到快速查找的目的

为什么叫"二分"查找?

因为每次我们都把列表分成两部分,只在其中一个部分里继续查找,这样查找范围每次都减少一半。

原理:

  1. 先找到有序列表的中间元素。
  2. 比较中间元素与要查找的元素。
  3. 如果它们相等,就返回中间元素的位置。
  4. 如果要查找的元素比中间元素大,那么我们就在列表的右半部分(中间元素之后的部分)继续查找。
  5. 如果要查找的元素比中间元素小,那么我们就在列表的左半部分(中间元素之前的部分)继续查找。
  6. 重复上述过程,直到找到元素或者查找范围为空。

举例:

假设我们有一个有序的数字列表:[1, 3, 4, 5, 7, 8, 9, 10, 12, 14, 15],我们想要找数字8。

  1. 首先,我们找到中间的数字,它是8。
  2. 8正好是我们要找的数字,所以我们找到了并返回它的位置。

如果我们要找的是数字4:

  1. 我们首先找到中间的数字,它是8。
  2. 4比8小,所以我们只在左半部分[1, 3, 4, 5, 7]继续查找。
  3. 在这个新的子列表中,中间的数字是4。
  4. 4正好是我们要找的数字,所以我们找到了并返回它的位置。

python举例

python 复制代码
def binary_search(arr, x):
    """
    Perform binary search on a sorted list to find the position of element x.
    
    :param arr: A sorted list.
    :param x: The element to search for.
    :return: The position of x in arr, or -1 if x is not found.
    """
    
    # Define initial low and high pointers
    low, high = 0, len(arr) - 1
    
    # While the low pointer does not surpass the high pointer
    while low <= high:
        
        # Calculate the middle index
        mid = (low + high) // 2
        
        # If the element at the middle index is the one we're looking for
        if arr[mid] == x:
            return mid
        
        # If the element at the middle index is greater than x, we look in the left half
        elif arr[mid] > x:
            high = mid - 1
        
        # If the element at the middle index is less than x, we look in the right half
        else:
            low = mid + 1
    
    # If we've exhausted the search space and haven't found x, return -1
    return -1

# Example
arr_example = [1, 3, 4, 5, 7, 8, 9, 10, 12, 14, 15]
x1 = 8
x2 = 4
position1 = binary_search(arr_example, x1)
position2 = binary_search(arr_example, x2)

position1, position2
python 复制代码
RESULT
(5, 2)

在我们的示例中:

  1. 当我们在列表 ([1, 3, 4, 5, 7, 8, 9, 10, 12, 14, 15]) 中查找数字 8 时,我们找到它位于第 5 个位置(注意,这里的索引从 0 开始)。
  2. 当我们在同一个列表中查找数字 4 时,我们找到它位于第 2 个位置。

这就是二分查找在 Python 中的实现。

相关推荐
共享家95274 小时前
优先搜索(DFS)实战
算法·leetcode·深度优先
flashlight_hi6 小时前
LeetCode 分类刷题:2563. 统计公平数对的数目
python·算法·leetcode
楼田莉子6 小时前
C++算法专题学习:栈相关的算法
开发语言·c++·算法·leetcode
dragoooon346 小时前
[数据结构——lesson3.单链表]
数据结构·c++·leetcode·学习方法
轮到我狗叫了7 小时前
力扣.1054距离相等的条形码力扣767.重构字符串力扣47.全排列II力扣980.不同路径III力扣509.斐波那契数列(记忆化搜索)
java·算法·leetcode
dragoooon348 小时前
[优选算法专题二滑动窗口——串联所有单词的子串]
数据结构·c++·学习·算法·leetcode·学习方法
刃神太酷啦8 小时前
C++ 异常处理机制:从基础到实践的全面解析----《Hello C++ Wrold!》(20)--(C/C++)
java·c语言·开发语言·c++·qt·算法·leetcode
薰衣草233310 小时前
滑动窗口(2)——不定长
python·算法·leetcode
YuTaoShao1 天前
【LeetCode 每日一题】1277. 统计全为 1 的正方形子矩阵
算法·leetcode·矩阵
野犬寒鸦1 天前
力扣hot100:相交链表与反转链表详细思路讲解(160,206)
java·数据结构·后端·算法·leetcode