bisect 二分查找

先说明的是，使用这个模块的函数前先确保操作的列表是已排序的。

先看看 insort  函数：

其插入的结果是不会影响原有的排序。

再看看 bisect  函数：

其目的在于查找该数值将会插入的位置并返回，而不会插入。

接着看 bisect_left 和 bisect_right 函数，该函数用入处理将会插入重复数值的情况，返回将会插入的位置

Python 著名的数据处理库 numpy 也有一个用于二分查找的函数 numpy.searchsorted， 用法与 bisect 基本相同，只不过如果要右边插入时，需要设置参数 side='right'，例如：

searchsorted 不适合用于搜索普通的数组，但是它用来搜索 numpy.ndarray 是相当快的：

In [30]: data_ndarray = np.arange(0, 1000000)

In [31]: %timeit np.searchsorted(data_ndarray, 99999)
The slowest run took 16.04 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 996 ns per loop

In [32]: %timeit np.searchsorted(data_ndarray, 8888)
The slowest run took 18.22 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 994 ns per loop

In [33]: %timeit np.searchsorted(data_ndarray, 777777)
The slowest run took 31.32 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 990 ns per loop

numpy.searchsorted 可以同时搜索多个值:

>>> np.searchsorted([1,2,3,4,5], 3)
2
>>> np.searchsorted([1,2,3,4,5], 3, side='right')
3
>>> np.searchsorted([1,2,3,4,5], [-10, 10, 2, 3])
array([0, 5, 1, 2])

其对应的插入函数是 insort_left  和 insort_right ：

可见，单纯看其结果的话，两个函数的操作结果是一样的，其实插入的位置不同而已。

分数成绩查询

import bisect

def grade(score,breakpoints = [60,70,80,90],grades = 'FDCBA'):
    i = bisect.bisect(breakpoints,score)
    return grades[i]
print([grade(score) for score in [33,99,77,70,89,90,100]])