導(dǎo)讀：在復(fù)雜的數(shù)據(jù)結(jié)構(gòu)中高效地查找數(shù)據(jù)是其非常重要的功能之一。最簡單的方法是在每個數(shù)據(jù)點中查找所需數(shù)據(jù)，效率并不高。因此隨著數(shù)據(jù)規(guī)模的增加，我們需要設(shè)計更復(fù)雜的算法來查找數(shù)據(jù)。

作者：伊姆蘭·艾哈邁德（Imran Ahmad）

來源：大數(shù)據(jù)DT（ID：hzdashuju）

本文介紹以下查找算法：

• 線性查找（Linear Search）

• 二分查找（Binary Search）

• 插值查找（Interpolation Search）

我們詳細了解一下它們各自的情況。

01?線性查找

查找數(shù)據(jù)的最簡單策略就是線性查找，它簡單地遍歷每個元素以尋找目標(biāo)，訪問每個數(shù)據(jù)點從而查找匹配項，找到匹配項后，返回結(jié)果，算法退出循環(huán)，否則，算法將繼續(xù)查找，直到到達數(shù)據(jù)末尾。線性查找的明顯缺點是，由于固有的窮舉搜索，它非常慢。它的優(yōu)點是無須像其他算法那樣，需要數(shù)據(jù)排好序。

我們看一下線性查找的代碼：

def?LinearSearch(list,?item):index?=?0found?=?False#?Match?the?value?with?each?data?element???????while?index?<?len(list)?and?found?is?False:if?list[index]?==?item:found?=?Trueelse:index?=?index?+?1return?found

現(xiàn)在，看一下代碼的輸出（見圖3-15）。

list?=?[12,?33,?11,?99,?22,?55,?90] print(LinearSearch(list,?12)) print(LinearSearch(list,?91))

▲圖 3-15

需要注意的是，如果能成功找到數(shù)據(jù)，運行LinearSearch函數(shù)會返回True。

• 線性查找的性能：如上所述，線性查找是一種執(zhí)行窮舉搜索的簡單算法，其最壞時間復(fù)雜度是O(N)。

02 二分查找

二分查找算法的前提條件是數(shù)據(jù)有序。算法反復(fù)地將當(dāng)前列表分成兩部分，跟蹤最低和最高的兩個索引，直到找到它要找的值為止：

def?BinarySearch(list,?item):first?=?0last?=?len(list)-1found?=?Falsewhile?first<=last?and?not?found:midpoint?=?(first?+?last)//2if?list[midpoint]?==?item:found?=?Trueelse:if?item?<?list[midpoint]:last?=?midpoint-1else:first?=?midpoint+1return?found

輸出結(jié)果如圖3-16所示。

list?=?[12,?33,?11,?99,?22,?55,?90] sorted_list?=?BubbleSort(list) print(BinarySearch(list,?12)) print(BinarySearch(list,?91))

▲圖 3-16

請注意，如果在輸入列表中找到了值，調(diào)用BinarySearch函數(shù)將返回True。

• 二分查找的性能：二分查找之所以如此命名，是因為在每次迭代中，算法都會將數(shù)據(jù)分成兩部分。如果數(shù)據(jù)有N項，則它最多需要O(log N)步來完成迭代，這意味著算法的運行時間為O(log N)。

03 插值查找

二分查找的基本邏輯是關(guān)注數(shù)據(jù)的中間部分。插值查找更加復(fù)雜，它使用目標(biāo)值來估計元素在有序數(shù)組中的大概位置。

讓我們試著用一個例子來理解它：假設(shè)我們想在一本英文詞典中搜索一個單詞，比如單詞river，我們將利用這些信息進行插值，并開始查找以字母r開頭的單詞，而不是翻到字典的中間開始查找。一個更通用的插值查找程序如下所示：

def?IntPolsearch(list,x?):idx0?=?0idxn?=?(len(list)?-?1)found?=?Falsewhile?idx0?<=?idxn?and?x?>=?list[idx0]?and?x?<=?list[idxn]:#?Find?the?mid?pointmid?=?idx0?+int(((float(idxn?-?idx0)/(?list[idxn]?-?list[idx0]))?*?(?x?-?list[idx0])))#?Compare?the?value?at?mid?point?with?search?value?if?list[mid]?==?x:found?=?Truereturn?foundif?list[mid]?<?x:idx0?=?mid?+?1return?found

輸出結(jié)果如圖3-17所示。

list?=?[12,?33,?11,?99,?22,?55,?90] sorted_list?=?BubbleSort(list) print(IntPolsearch(list,?12)) print(IntPolsearch(list,91))

▲圖 3-17

請注意，在使用IntPolsearch函數(shù)之前，首先需要使用排序算法對數(shù)組進行排序。

• 插值查找的性能：如果數(shù)據(jù)分布不均勻，則插值查找算法的性能會很差，該算法的最壞時間復(fù)雜度是O(N)。如果數(shù)據(jù)分布得相當(dāng)均勻，則最佳時間復(fù)雜度是O(log(log N))。

關(guān)于作者：伊姆蘭·艾哈邁德（Imran Ahmad） 是一名經(jīng)過認證的谷歌講師，多年來一直在谷歌和學(xué)習(xí)樹(Learning Tree)任教，主要教授Python、機器學(xué)習(xí)、算法、大數(shù)據(jù)和深度學(xué)習(xí)。他在攻讀博士學(xué)位期間基于線性規(guī)劃方法提出了名為ATSRA的新算法，用于云計算環(huán)境中資源的優(yōu)化分配。近4年來，他一直在加拿大聯(lián)邦政府的高級分析實驗室參與一個備受關(guān)注的機器學(xué)習(xí)項目。

本文摘編自《程序員必會的40種算法》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《程序員必會的40種算法》

推薦語：本書致力于利用算法求解實際問題，幫助初學(xué)者理解算法背后的邏輯和數(shù)學(xué)知識。本書內(nèi)容豐富，涉及算法基礎(chǔ)、設(shè)計技術(shù)、分析方法、排序算法、查找算法、圖算法、線性規(guī)劃算法、機器學(xué)習(xí)算法、推薦算法、數(shù)據(jù)算法、密碼算法和并行算法等內(nèi)容，重點講述如何使用Python進行算法實現(xiàn)和算法性能的比較與分析。

刷刷視頻👇

干貨直達👇

• 9種深度學(xué)習(xí)算法簡介
  

• 詳解數(shù)據(jù)治理相關(guān)的7個術(shù)語和名詞
  

• 簡析Kubernetes八大重要特性
  

• 盤點13種流行的數(shù)據(jù)處理工具
  

更多精彩👇

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

讀書?|?書單?|?干貨?|?講明白?|?神操作?|?手把手

大數(shù)據(jù)?|?云計算?|?數(shù)據(jù)庫?|?Python?|?爬蟲?|?可視化

AI?|?人工智能?|?機器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP

5G?|?中臺?|?用戶畫像?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計，99%的大咖都關(guān)注了這個公眾號

👇

總結(jié)

以上是生活随笔為你收集整理的手把手教你用Python实现查找算法的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。