Binäre Suche
Binäre Suche ist ein Algorithmus, der den Suchraum wiederholt in zwei Hälften teilt. Diese Suchtechnik folgt der Divide-and-Conquer-Strategie. Der Suchraum reduziert sich bei jeder Iteration immer auf die Hälfte, was zu einer zeitlichen Komplexität von O(log(n)) führt, wobei n die Anzahl der Elemente ist.
Bedingung: Arrays sollten sortiert sein, sie können aber auch auf monotone Funktionen angewendet werden, bei denen wir monoton steigende oder fallende finden müssen.
Es funktioniert, wenn wir den Suchraum in logarithmischer Zeit eingrenzen müssen.
Wir verwenden zwei Zeiger, links und rechts. Nehmen Sie den Durchschnitt von links und rechts, um das mittlere Element zu finden.
Jetzt prüfen wir, wohin wir unsere linken und rechten Zeiger je nach Bedingung bewegen sollen.
Im Wesentlichen sind drei Schritte erforderlich, um ein Problem zu lösen:
- Vorverarbeitung: Sortieren Sie die Eingabe, wenn sie nicht sortiert ist.
- Binäre Suche: Verwenden Sie zwei Zeiger und finden Sie die Mitte, um den Suchraum zu teilen, und wählen Sie dann entsprechend die richtige Hälfte aus.
- Nachbearbeitung:Bestimmen Sie die Ausgabe.
Vorteile des binären Suchalgorithmus – Die binäre Suche ist bei großen Datenmengen schneller als die lineare Suche, da sie das Array jedes Mal halbiert, anstatt jedes Element einzeln zu überprüfen. Das macht es schneller und effizienter.
Einschränkungen: Die binäre Suche funktioniert nur bei sortierten Arrays, daher ist sie für kleine unsortierte Arrays nicht effizient, da das Sortieren zusätzliche Zeit in Anspruch nimmt. Es funktioniert auch nicht so gut wie die lineare Suche bei kleinen Suchen im Speicher.
Anwendungen: Es wird verwendet, um Elemente in einem sortierten Array mit O(log(n))-Zeitkomplexität zu suchen, und es kann auch verwendet werden, um das kleinste oder größte Element im Array zu finden.
Einfacher binärer Suchcode –
Code
def binarySearch(nums, target): if len(nums) == 0: return -1 left, right = 0, len(nums) - 1 while left right return -1
33. Suche im gedrehten sortierten Array
Geben Sie bei gegebenen Array-Nummern nach der möglichen Drehung und einem ganzzahligen Ziel den Index des Ziels zurück, wenn es in Zahlen vorliegt, oder -1, wenn es nicht in Zahlen vorliegt.
Sie müssen einen Algorithmus mit einer Laufzeitkomplexität von O(log n) schreiben.
Beispiel 1:
Eingabe: Nums = [4,5,6,7,0,1,2], Ziel = 0
Ausgabe: 4
Beispiel 2:
Eingabe: Nums = [4,5,6,7,0,1,2], Ziel = 3
Ausgabe: -1
Beispiel 3:
Eingabe: Nums = [1], Ziel = 0
Ausgabe: -1
Code
def binarySearch(nums, target): if len(nums) == 0: return -1 left, right = 0, len(nums) - 1 while left right return -1
- Verwenden Sie zwei Zeiger, links und rechts, und iterieren Sie, bis sie sich überlappen.
- Finden Sie das mittlere Element.
- Da das Array sortiert, aber gedreht ist, können wir nicht einfach die linken oder rechten Elemente mit der Mitte vergleichen.
- Bestimmen Sie zunächst, welcher Teil links oder rechts sortiert ist, indem Sie den mittleren Zeiger mit dem linken oder rechten Zeiger vergleichen.
- Passen Sie die Zeiger basierend auf dieser Schlussfolgerung entsprechend an.
Zeitkomplexität – O(log(n)) da der Suchraum in jeder Iteration in zwei Hälften geteilt wird.
Raumkomplexität – O(1)
Monotonisch ansteigend
162. Peak-Element finden
Ein Spitzenelement ist ein Element, das unbedingt größer als seine Nachbarn ist.
Suchen Sie anhand eines 0-indizierten Ganzzahlarrays nums ein Spitzenelement und geben Sie seinen Index zurück. Wenn das Array mehrere Peaks enthält, geben Sie den Index zu einem der Peaks zurück.
Sie können sich vorstellen, dass nums[-1] = nums[n] = -∞. Mit anderen Worten: Ein Element wird immer als strikt größer als ein Nachbar außerhalb des Arrays betrachtet.
Sie müssen einen Algorithmus schreiben, der in O(log n) Zeit läuft.
Beispiel 1:
Eingabe: nums = [1,2,3,1]
Ausgabe: 2
Erläuterung: 3 ist ein Spitzenelement und Ihre Funktion sollte die Indexnummer 2 zurückgeben.
Beispiel 2:
Eingabe: nums = [1,2,1,3,5,6,4]
Ausgabe: 5
Erläuterung: Ihre Funktion kann entweder Index Nummer 1 zurückgeben, wenn das Spitzenelement 2 ist, oder Index Nummer 5, wenn das Spitzenelement 6 ist.
Code
class Solution: def search(self, nums: List[int], target: int) -> int: left = 0 right = len(nums)-1 while left = nums[left]: # if nums[mid]= nums[left]: if nums[left] <ol> <li>Bei dieser Art von Problem müssen wir den Peak ermitteln, indem wir das linke oder rechte Element der Mitte vergleichen.</li> <li>Dies hilft festzustellen, ob die Grafik einen Aufwärts- oder Abwärtstrend aufweist.</li> <li>Um das Maximum zu finden, suchen Sie den ansteigenden Hang ab und erkunden Sie den richtigen Unterraum.</li> <li>Um das Minimum zu finden, durchsuchen Sie den linken Unterraum</li> </ol> <p><strong>Zeitkomplexität – O(log(n))</strong> da der Suchraum in jeder Iteration in zwei Hälften geteilt wird.<br> <strong>Raumkomplexität – O(1)</strong></p>
Das obige ist der detaillierte Inhalt vonBinäre Suche || Python || Datenstrukturen und Algorithmen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Zu den realen Anwendungen von Python gehören Datenanalysen, Webentwicklung, künstliche Intelligenz und Automatisierung. 1) In der Datenanalyse verwendet Python Pandas und Matplotlib, um Daten zu verarbeiten und zu visualisieren. 2) In der Webentwicklung vereinfachen Django und Flask Frameworks die Erstellung von Webanwendungen. 3) Auf dem Gebiet der künstlichen Intelligenz werden Tensorflow und Pytorch verwendet, um Modelle zu bauen und zu trainieren. 4) In Bezug auf die Automatisierung können Python -Skripte für Aufgaben wie das Kopieren von Dateien verwendet werden.

Python wird häufig in den Bereichen Data Science, Web Development und Automation Scripting verwendet. 1) In der Datenwissenschaft vereinfacht Python die Datenverarbeitung und -analyse durch Bibliotheken wie Numpy und Pandas. 2) In der Webentwicklung ermöglichen die Django- und Flask -Frameworks Entwicklern, Anwendungen schnell zu erstellen. 3) In automatisierten Skripten machen Pythons Einfachheit und Standardbibliothek es ideal.

Die Flexibilität von Python spiegelt sich in Multi-Paradigm-Unterstützung und dynamischen Typsystemen wider, während eine einfache Syntax und eine reichhaltige Standardbibliothek stammt. 1. Flexibilität: Unterstützt objektorientierte, funktionale und prozedurale Programmierung und dynamische Typsysteme verbessern die Entwicklungseffizienz. 2. Benutzerfreundlichkeit: Die Grammatik liegt nahe an der natürlichen Sprache, die Standardbibliothek deckt eine breite Palette von Funktionen ab und vereinfacht den Entwicklungsprozess.

Python ist für seine Einfachheit und Kraft sehr beliebt, geeignet für alle Anforderungen von Anfängern bis hin zu fortgeschrittenen Entwicklern. Seine Vielseitigkeit spiegelt sich in: 1) leicht zu erlernen und benutzten, einfachen Syntax; 2) Reiche Bibliotheken und Frameworks wie Numpy, Pandas usw.; 3) plattformübergreifende Unterstützung, die auf einer Vielzahl von Betriebssystemen betrieben werden kann; 4) Geeignet für Skript- und Automatisierungsaufgaben zur Verbesserung der Arbeitseffizienz.

Ja, lernen Sie Python in zwei Stunden am Tag. 1. Entwickeln Sie einen angemessenen Studienplan, 2. Wählen Sie die richtigen Lernressourcen aus, 3. Konsolidieren Sie das durch die Praxis erlernte Wissen. Diese Schritte können Ihnen helfen, Python in kurzer Zeit zu meistern.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

VSCode Windows 64-Bit-Download
Ein kostenloser und leistungsstarker IDE-Editor von Microsoft

MantisBT
Mantis ist ein einfach zu implementierendes webbasiertes Tool zur Fehlerverfolgung, das die Fehlerverfolgung von Produkten unterstützen soll. Es erfordert PHP, MySQL und einen Webserver. Schauen Sie sich unsere Demo- und Hosting-Services an.

ZendStudio 13.5.1 Mac
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver Mac
Visuelle Webentwicklungstools

MinGW – Minimalistisches GNU für Windows
Dieses Projekt wird derzeit auf osdn.net/projects/mingw migriert. Sie können uns dort weiterhin folgen. MinGW: Eine native Windows-Portierung der GNU Compiler Collection (GCC), frei verteilbare Importbibliotheken und Header-Dateien zum Erstellen nativer Windows-Anwendungen, einschließlich Erweiterungen der MSVC-Laufzeit zur Unterstützung der C99-Funktionalität. Die gesamte MinGW-Software kann auf 64-Bit-Windows-Plattformen ausgeführt werden.