二分法

算法：是高效解決問題的辦法

算法之二分法

格式:

def binary_search(ls, num, lower=0, high=None):

if high is None:

high = len(ls) - 1

mid = (lower + high) // 2

if mid == 0 and num != ls[0]:

return "不存在"

if mid == len(ls) - 1 and num != ls[-1]:

return "不存在"

if num == ls[mid]:

return mid, ls[mid]

elif num < ls[mid]:

return binary_search(ls, num, lower, mid)

else:

return binary_search(ls, num, mid + 1, high)

需求：有一個按照從小到大順序排列的數字列表

需要從該數字列表中找到我們想要的那個一個數字

如何做更高效？？？

nums=[-3,4,7,10,13,21,43,77,89]

find_num=10

nums=[-3,4,13,10,-2,7,89]

nums.sort() #升序

print(nums)

方案一：整體遍歷效率太低

for num in nums:

if num == find_num:

print('find it')

break

方案二：二分法

def binary_search(find_num,列表):

mid_val=找列表中間的值

if find_num > mid_val:

# 接下來的查找應該是在列表的右半部分

# 列表=列表切片右半部分

binary_search(find_num,列表)

elif find_num < mid_val:

# 接下來的查找應該是在列表的左半部分

# 列表=列表切片左半部分

binary_search(find_num,列表)

else:

print('find it')

nums=[-3,4,7,10,13,21,43,77,89]

find_num=8

def binary_search(find_num,l):

print(l)

if len(l) == 0:

print('找的值不存在')

return

mid_index=len(l) // 2

if find_num > l[mid_index]:

# 接下來的查找應該是在列表的右半部分

l=l[mid_index+1:]

binary_search(find_num,l)

elif find_num < l[mid_index]:

# 接下來的查找應該是在列表的左半部分

l=l[:mid_index]

binary_search(find_num,l)

else:

print('find it')

binary_search(find_num,nums)

面向過程稿編程思想

# 編程思想/范式

面向過程的編程思想：

核心是"過程"二字，過程即流程，指的是做事的步驟：先什么、再什么、后干什么

基于該思想編寫程序就好比在設計一條流水線

優點：復雜的問題流程化、進而簡單化

缺點：擴展性非常差

面向過程的編程思想應用場景解析：

1、不是所有的軟件都需要頻繁更迭：比如編寫腳本

2、即便是一個軟件需要頻繁更迭，也不并不代表這個軟件所有的組成部分都需要一起更迭

匿名函數

1、def用于定義有名函數

func=函數的內存地址

def func(x,y):

return x+y

print(func)

2、lamdab用于定義匿名函數

print(lambda x,y:x+y)

3、調用匿名函數

方式一：

res=(lambda x,y:x+y)(1,2)

print(res)

方式二：

func=lambda x,y:x+y

res=func(1,2)

print(res)

4、匿名用于臨時調用一次的場景：更多的是將匿名與其他函數配合使用

# 應用

salaries={

'siry':3000,

'tom':7000,

'lili':10000,

'jack':2000

}

需求1：找出薪資最高的那個人=》lili

res=max([3,200,11,300,399])

print(res)

res=max(salaries)

print(res)

salaries={

'siry':3000,

'tom':7000,

'lili':10000,

'jack':2000

}

# 迭代出的內容 比較的值

'siry' 　　　　 3000

'tom' 　　　　 7000

'lili' 　　　　 10000

'jack' 　　　　 2000

def func(k):

return salaries[k]

========================max的應用

res=max(salaries,key=func) 　　　　　　# 返回值=func('siry')

print(res)

res=max(salaries,key=lambda k:salaries[k])

print(res)

========================min的應用

res=min(salaries,key=lambda k:salaries[k])

print(res)

========================sorted排序

salaries={

'siry':3000,

'tom':7000,

'lili':10000,

'jack':2000

}

res=sorted(salaries,key=lambda k:salaries[k],reverse=True)

print(res)

========================map的應用(了解):對array的每個元素做平方處理

l=['alex','lxx','wxx','薛賢妻']

new_l=(name+'_dsb' for name in l)

print(new_l)

res=map(lambda name:name+'_dsb',l)

print(res) 　　　　　　　　# 生成器

========================filter的應用（了解): 對array進行過濾操作

l=['alex_sb','lxx_sb','wxx','薛賢妻']

res=(name for name in l if name.endswith('sb'))

print(res)

res=filter(lambda name:name.endswith('sb'),l)

print(res)

========================reduce的應用(了解):對array進行合并操作，比如求和運算

from functools import reduce

res=reduce(lambda x,y:x+y,[1,2,3],10) 　　　　　　　　 # 16

print(res)

res=reduce(lambda x,y:x+y,['a','b','c']) 　　　　　　　　　　# 'a','b'

print(res)

總結

以上是生活随笔為你收集整理的python二分法编程_python基础18——二分法面向过程匿名函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。