在Python中,主要使用的搜索算法主要有两种。其中,第一个是线性搜索,第二个是二分搜索。
这两种技术主要用于从给定数组或给定列表中搜索元素。在搜索元素时,任何类型的算法都可以遵循两种方法。其中一种是递归方法,另一种是迭代方法。让我们讨论两种方法中的两种算法并解决类似的问题。
线性搜索
线性搜索技术也称为顺序搜索。 “顺序搜索”这个名称的含义绝对是由该搜索算法遵循的过程来证明的。它是一种方法或技术,用于在 Python 中查找数组或列表中的元素。
它被认为是所有搜索算法中最简单和最容易的。但是,这个算法的唯一缺点是效率不高。这就是为什么不经常使用线性搜索的主要原因。其他
算法
步骤 1 - 它仅通过将所需元素与给定数组中存在的每个元素进行比较来按顺序搜索元素。
步骤 2 - 如果找到所需的元素,则将元素的索引或位置显示给用户。
步骤 3 - 如果该元素不存在于数组中,则用户将被告知未找到该元素。这样,算法就处理好了
总的来说,线性搜索算法对于小于或等于100的小型数组或小型列表来说,比较适合和高效,因为它会检查并比较每个元素。
如果所需元素位于备份的最后位置,将会消耗更多时间。
线性算法搜索在情况下最佳的时间复杂度为“ O( 1 ) ”。在这种情况下,元素将位于集群的第一个位置,即索引为“ 0 ”。
线性搜索算法在平均情况下的时间复杂度是“ O( n ) ”。在这种情况下,该元素将出现在数组的中间位置,即索引为“ ( n – 1 ) / 2 ” 或“ (( n – 1 ) / 2 )+ 1 ”。
线性搜索算法在最坏情况下的时间复杂度是“ O( n ) ”。在这种情况下,该元素将出现在数组的最后一个位置,即索引为“ n-1 ”。
示例
在下面的示例中,我们将学习使用线性搜索在阵列中查找元素的过程。
雷雷输出
上述程序的输出如下:
雷雷示例(递归)
在下面的例子中,我们将学习使用梯度方法在阵列中进行线性搜索的过程。
雷雷输出
上述程序的输出如下:
雷雷二分查找
二分查找算法与线性查找算法相当不同。它完全遵循不同的过程来搜索集群中的元素。它通常只考虑集群集群。
如果阵列在某些情况下没有排序,则对阵列进行排序,然后开始二分搜索算法的过程。一旦阵列被二分搜索算法,则考虑首先被排序,然后算法被分配磁盘。
算法
步骤 1 − 对仓库进行排序是第一步。
Step 2 - 数组排序后,数组被视为两半。一半是从排序数组的第一个元素到中间元素,后半部分是从排序数组的中间元素之后的元素到最后一个元素。
步骤 3 - 将关键元素(应该搜索的元素称为关键元素)与排序数组的中间元素进行比较。
步骤 4 - 如果键元素小于或等于排序数组的中间元素,则后半部分元素将被进一步忽略,因为键元素小于中间元素。所以,当然,该元素必须存在于第一个元素和中间元素之间。
步骤 6 - 如果键元素大于中间元素,则忽略排序数组的前半部分,并考虑从中间元素到最后一个元素的元素。
步骤 7 - 在这些元素中,关键元素再次与减半数组的中间元素进行比较,并重复相同的过程。如果关键元素大于减半数组的中间元素,则前一半被忽略。
第8步 - 如果关键元素小于或等于被分割数组的中间元素,则被分割数组的后半部分将被忽略。通过这种方式,元素将在数组的任意一半中进行搜索。
因此,与线性搜索相比,复杂度减少了一半或更多,因为有一半的元素将在第一步中被移除或不被考虑。二分搜索的最佳情况时间复杂度为“O(1)”。二分搜索的最坏情况时间复杂度为“O(logn)”。这就是二分搜索算法的工作原理。让我们考虑一个例子,并应用二分搜索算法来找出数组中的关键元素。
Example
In this example, we are going to learn about the process of searching an element in an array using Binary search in recursive approach.
def recursive_binary(arr, first, last, key_element): if first <= last: mid = (first + last) // 2 if arr[mid] == key_element: return mid elif arr[mid] > key_element: return recursive_binary(arr, first, mid - 1, key_element) elif arr[mid] < key_element: return recursive_binary(arr, mid + 1, last, key_element) else: return -1 arr = [20, 40, 60, 80, 100] key = 80 max_size = len(arr) result = recursive_binary(arr, 0, max_size - 1, key) if result != -1: print("The element", key, "is present at index", (result), "in the position", (result + 1)) else: print("The element is not present in the array")
Output
上述程序的输出如下:
The element 80 is found at the index 3 and in the position 4
Example
In this example, we are going to learn about the process of searching an element in an array using Binary search in iterative approach.
def iterative_binary(arr, last, key_element): first = 0 mid = 0 while first <= last: mid = (first + last) // 2 if arr[mid] < key_element: first = mid + 1 elif arr[mid] > key_element: last = mid - 1 else: return mid return -1 arr = [20, 40, 60, 80, 100] key = 80 max_size = len(arr) result = iterative_binary(arr, max_size - 1, key) if result != -1: print("The element", key, "is present at index", (result), "in the position", (result + 1)) else: print("The element is not present in the array")
Output
上述程序的输出如下:
The element 80 is found at the index 3 and in the position 4
这是二分搜索算法的工作原理。根据时间复杂度的概念,我们可以肯定二分搜索算法比线性搜索算法更高效,时间复杂度在其中起着重要的作用。通过使用这种类型的算法,可以搜索数组中的元素。尽管用于解决问题的过程不同,但结果不会波动。这是使用多种算法检查输出一致性的一个优点。
以上是Python程序在数组中搜索元素的详细内容。更多信息请关注PHP中文网其他相关文章!

Python和C 各有优势,选择应基于项目需求。1)Python适合快速开发和数据处理,因其简洁语法和动态类型。2)C 适用于高性能和系统编程,因其静态类型和手动内存管理。

选择Python还是C 取决于项目需求:1)如果需要快速开发、数据处理和原型设计,选择Python;2)如果需要高性能、低延迟和接近硬件的控制,选择C 。

通过每天投入2小时的Python学习,可以有效提升编程技能。1.学习新知识:阅读文档或观看教程。2.实践:编写代码和完成练习。3.复习:巩固所学内容。4.项目实践:应用所学于实际项目中。这样的结构化学习计划能帮助你系统掌握Python并实现职业目标。

在两小时内高效学习Python的方法包括:1.回顾基础知识,确保熟悉Python的安装和基本语法;2.理解Python的核心概念,如变量、列表、函数等;3.通过使用示例掌握基本和高级用法;4.学习常见错误与调试技巧;5.应用性能优化与最佳实践,如使用列表推导式和遵循PEP8风格指南。

Python适合初学者和数据科学,C 适用于系统编程和游戏开发。1.Python简洁易用,适用于数据科学和Web开发。2.C 提供高性能和控制力,适用于游戏开发和系统编程。选择应基于项目需求和个人兴趣。

Python更适合数据科学和快速开发,C 更适合高性能和系统编程。1.Python语法简洁,易于学习,适用于数据处理和科学计算。2.C 语法复杂,但性能优越,常用于游戏开发和系统编程。

每天投入两小时学习Python是可行的。1.学习新知识:用一小时学习新概念,如列表和字典。2.实践和练习:用一小时进行编程练习,如编写小程序。通过合理规划和坚持不懈,你可以在短时间内掌握Python的核心概念。

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

VSCode Windows 64位 下载
微软推出的免费、功能强大的一款IDE编辑器

ZendStudio 13.5.1 Mac
功能强大的PHP集成开发环境

螳螂BT
Mantis是一个易于部署的基于Web的缺陷跟踪工具,用于帮助产品缺陷跟踪。它需要PHP、MySQL和一个Web服务器。请查看我们的演示和托管服务。

记事本++7.3.1
好用且免费的代码编辑器

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),