常用算法

>>>1. 顺序查找, 也叫线性查找, 它从第一个记录开始, 挨个进行对比, 是最基本的查找技术

javaScript 版顺序查找算法:

 // 顺序查找(线性查找) 只做找到即返回

 // javaScript 版

 function search(data,needle)

 {

     for(var i=0;i<data.length;i++)

     {

         if(data[i] == needle && typeof data[i] == typeof needle)

         {

             return i;

         }

     }

     return false;

 }

 var data = [100,10,2,7,8,6];

 console.log(search(data,7));//

 console.log(search(data,'7'));// false

php版顺序查找算法:

 <?php

 // php版

 function search($data,$needle)

 {

     $data_len = count($data);

     for($i=0;$i<$data_len;$i++)

     {

         if($data[$i] === $needle) return $i;

     }

     return false;

 }

 $data = [100,10,2,7,8,6];

 var_dump(search($data,7));// int(3)

 var_dump(search($data,'7'));// bool(false)

python3 版顺序查找算法:

 # python3 版本

 def search(data,needle) :

     dataLen = len(data)

     for i in range(dataLen) :

         if data[i] == needle and type(data[i]) == type(needle) : return i

     return False

 data = [100,10,2,7,8,6]

 print(search(data,7))   #

 print(search(data,'')) # False

 print(search(data,6))   #

>>>二分找查, 折半查找

核心思想:

1. 用low , high , middle 表示待查找区间的 下界, 上界,中间 的坐标

2. 取中间位置 middle = floor((low+high)/2)

3. 用给定值与 中间位置的值 作比较

等于: 查找成功

大于: 待查数据在区间的后半段  设low 为 middle+1

小于: 待查数据在区间的前半段  设high 为 middle-1

4.数据是排序好的

5.直到越界 (low>high) 查找失败, 结束

PHP版二分查找算法:

 <?php

 // 二分法 折半查找 PHP版

 $data_list = [1,2,4,5,5,6,10,12];

 function bisearch($data_list,$needle)

 {

     $low = 0;

     $high = count($data_list)-1;

     if($data_list[$low] == $needle) return $low;

     if($data_list[$high] == $needle) return $high;

     while($high>=$low)

     {

         $middle = floor(($low+$high)/2);

         if($needle == $data_list[$middle])

         {

             return $middle;

         }elseif($needle>$data_list[$middle])

         {

             $low = $middle+1;

         }else{

             $high = $middle-1;

         }

     }

     return false;

 }

 print_r(bisearch($data_list,10)); //

 print_r(bisearch($data_list,5));  //

 print_r(bisearch($data_list,13)); // false

python 3版 二分查找算法:

 import math

 # python3 版二分查找算法

 def bisearch(data_list,needle) :

     low,high = 0,len(data_list)-1

     if needle == data_list[low] :  return low

     if needle == data_list[high] : return high

     while high>=low :

         middle = math.floor((high+low)/2)

         if needle == data_list[middle] :  return middle

         elif needle > data_list[middle] : low = middle+1

         else : high = middle-1

     return False

 data_list = [1,2,4,5,5,6,10,12]

 print(bisearch(data_list,10));   #

 print(bisearch(data_list,5));    #

 print(bisearch(data_list,13));   # False

javaScript 版二分查找算法:

 // js 版二分查找

 function bisearch(data_list,needle)

 {

     var low = 0,high = data_list.length-1

     if (needle == data_list[low] ) return low

     if (needle == data_list[high]) return high

     while (high>=low)

     {

         var middle = Math.floor((low+high)/2)

         if(needle == data_list[middle])

         {

             return middle

         }else if(needle>data_list[middle])

         {

             low = middle + 1

         }else{

             high = middle - 1

         }

     }

     return false

 }

 data_list = [1,2,4,5,5,6,10,12]

 console.log(bisearch(data_list,10));   //

 console.log(bisearch(data_list,5));    //

 console.log(bisearch(data_list,13));   // False

>>> 插值查找 (由二分查找改进)

二分查找的公式:

middle = (low+high)/2    => low+(1/2)*(high-low)

插值查找的公式由上面演变, 主要改进的是二分之一部分:

middle = low+((needle-data[low])/(data[high]-data[low]))*(high-low)

对二分查找跟插值查找的一个说明:

插值查找对于公布均匀的数据, 速度比二分查找快(插值查找次数少),例如对下面这类数据

$data = [1,2,3,6,7,9,10,11,...]

对于分布不均匀的数据, 二分查找要比插值查找快 例如下:

$data = [4,100,300,685,3452,...]

PHP版 插值查找算法:

 <?php

 // 二分查找优化(插值查找) PHP版

 $data_list = [1,2,4,5,5,6,10,12];

 function interpolation($data_list,$needle)

 {

     $low = 0;

     $high = count($data_list)-1;

     if($data_list[$low] == $needle) return $low;

     if($data_list[$high] == $needle) return $high;

     while($high>=$low)

     {

         $middle = floor($low+(($needle-$data_list[$low])/($data_list[$high]-$data_list[$low]))*($high-$low));

         if($needle == $data_list[$middle])

         {

             return $middle;

         }elseif($needle>$data_list[$middle])

         {

             $low = $middle+1;

         }else{

             $high = $middle-1;

         }

     }

     return false;

 }

 print(interpolation($data_list,10)); //

 print(interpolation($data_list,5));  //

 print(interpolation($data_list,13)); // false

 $index = interpolation($data_list,10);

 echo $data_list[$index];//

 /*

  注: 1.floor 返回的是浮点数 如 6 类型为float

      2.false 用print,echo 输出是空字符串

 */

python3版 插值查找算法:

 import math

 # python3 插值查找算法

 def interpolation(data_list,needle) :

     low,high = 0,len(data_list)-1

     if needle == data_list[low] :  return low

     if needle == data_list[high] : return high

     while high>=low :

         middle = math.floor(

             low+

             ((needle-data_list[low])/(data_list[high]-data_list[low]))*

             (high-low)

         )

         if needle == data_list[middle] :  return middle

         elif needle > data_list[middle] : low = middle+1

         else : high = middle-1

     return False

 data_list = [1,2,4,5,5,6,10,12]

 print(interpolation(data_list,10));   #

 print(interpolation(data_list,5));    #

 print(interpolation(data_list,13));   # False

js 版插值查找算法:

 // js版 插值查找算法

 function interpolation(data_list,needle)

 {

     var low = 0,high = data_list.length-1

     if (needle == data_list[low] ) return low

     if (needle == data_list[high]) return high

     while (high>=low)

     {

         var middle = Math.floor(

             low+((needle-data_list[low])/(data_list[high]-data_list[low]))*

             (high-low)   

         )

         if(needle == data_list[middle])

         {

             return middle

         }else if(needle>data_list[middle])

         {

             low = middle + 1

         }else{

             high = middle - 1

         }

     }

     return false

 }

 data_list = [1,2,4,5,5,6,10,12]

 console.log(interpolation(data_list,10));   //

 console.log(interpolation(data_list,5));    //

 console.log(interpolation(data_list,13));   // False

小结:

以上有php,python,js 版常见的查找算法:

1. 顺序(线性) 查找

2. 二分查找 (折半查找)

3. 插值查找 (二分查找优化 适用于分布均匀的数据)

4. 前提是数据排好序, 顺序

常见查找算法之php, js,python版的更多相关文章

  1. 常见排序算法原理及JS代码实现

    目录 数组 sort() 方法 冒泡排序 选择排序 插入排序 希尔排序 归并排序 堆排序 快速排序 创建时间:2020-08-07 本文只是将作者学习的过程以及算法理解进行简单的分享,提供多一个角度的 ...

  2. 常见查找算法(Java代码实现)

    一,顺序查找 查找算法中顺序查找算是最简单的了,无论是有序的还是无序的都可以,只需要一个个对比即可,但其实效率很低.我们来看下代码 public static int search(int[] a, ...

  3. 排序算法(C语言+Python版)宝宝再也不怕面试官写排序算法了

    直接插入排序 过程: 1. 数据可分看成两个部分,前面的数据是有序的 2. 从后面的数据取出一个元素,插到前面有序数据的合适位置 从右端开始查找,到找到比此元素大的时候,则此元素向后移动,以空出多余的 ...

  4. 算法:冒泡排序(python版)

    1.将n个元素从大到小排序后,选择第k个大的元素 #!/usr/bin/env python #coding -*- utf:8 -*- #冒泡排序选第k个元素 import random impor ...

  5. Java基础知识强化61:经典查找之 常见查找算法小结

    一.顺序查找 条件:无序或有序队列. 原理:按顺序比较每个元素,直到找到关键字为止. 时间复杂度:O(n) 二.二分查找(折半查找) 条件:有序数组 原理:查找过程从数组的中间元素开始,如果中间元素正 ...

  6. 算法两数之和 python版

    方法一.暴力解法 -- 5s 复杂度分析:时间复杂度:O(n^2)空间复杂度:O(1) length = len(nums)for i in range(length):    for j in ra ...

  7. 常见排序算法(JS版)

    常见排序算法(JS版)包括: 内置排序,冒泡排序,选择排序,插入排序,希尔排序,快速排序(递归 & 堆栈),归并排序,堆排序,以及分析每种排序算法的执行时间. index.html <! ...

  8. 二分查找算法(Python版)

    [本文出自天外归云的博客园] 记性不好(@.@),所以平时根本用不到的东西就算学过如果让我去想也会需要很多时间(*.*)! 二分查找算法 在一个有序数组中查找元素最快的算法,也就是折半查找法,先找一个 ...

  9. 【数据结构与算法Python版学习笔记】查找与排序——散列、散列函数、区块链

    散列 Hasing 前言 如果数据项之间是按照大小排好序的话,就可以利用二分查找来降低算法复杂度. 现在我们进一步来构造一个新的数据结构, 能使得查找算法的复杂度降到O(1), 这种概念称为" ...

随机推荐

  1. button的用法

    C# 如何去掉button按钮的边框线? 设置FlatStyle为Flat,并且设置FlatAppearance下的BorderSize为0.

  2. android中的五大布局(控件的容器,可以放button等控件)

    一.android中五大布局相当于是容器,这些容器里可以放控件也可以放另一个容器,子控件和布局都需要制定属性. 1.相对布局:RelativeLayout @1控件默认堆叠排列,需要制定控件的相对位置 ...

  3. k-近邻算法实例

    1. 简单例子 步骤 1.1 计算已知点和被求点的距离 1.2 按距离递增排序 1.3 求出距离最近的前k个点的类别最大值作为目标分类 from numpy import * import opera ...

  4. [置顶] 几行代码实现ofo首页小黄人眼睛加速感应转动

    最新版的ofo 小黄车的首页小黄人眼睛随重力而转动,感觉有点炫酷,学习一下吧,以下代码是在xamarin android下实现 ofo首页效果图: xamarin android实现效果: 实现思路: ...

  5. inode 详解

    1.inode 解析: 存储文件元信息(文件创建者,创建日期,大小等)的区域叫做inode即 索引节点. 2.inode 内容: 文件字节数.拥有者UserID,GroupID,读写执行权限,时间戳, ...

  6. 详细的DedeCMS(织梦)目录权限安全设置教程

    一.目录权限根据统计,绝大部分网站的攻击都在根目录开始的,因此,栏目目录不能设置在根目录.DEDECMS部署完成后,重点目录设置如下:1)将install删除.2) data.templets.upl ...

  7. Apache Avro# 1.8.2 Specification (Avro 1.8.2规范)二

    h5 { text-indent: 0.71cm; margin-top: 0.49cm; margin-bottom: 0.51cm; direction: ltr; color: #000000; ...

  8. appium 解锁九宫格

    很多人在自动化的过程中,对解锁9宫格有很多麻烦,特别是app上的有些整个放在整个view中,这就给我们测试解锁九宫格带来问题了,笔者尝试了去解决,但是都没有找到一个很好的方案,那么我就试着先去通过安卓 ...

  9. 前端MVC Vue2学习总结(六)——axios与跨域HTTP请求、Lodash工具库

    一.axios Vue更新到2.0之后宣告不再对vue-resource更新,推荐使用axios,axios是一个用于客户端与服务器通信的组件,axios 是一个基于Promise 用于浏览器和 no ...

  10. bootstrap 导航栏鼠标悬停显示下拉菜单

    在jsp中加入一下代码: .navbar .nav > li:hover .dropdown-menu { display: block;} 全部代码如下所示: <%@ page lang ...