Python 数据结构.docx

Python Data Structures 搜索 参考内容： 1. HYPERLINK /courselib/static/pythonds/index.html Problem Solving with Python Chapter5: Search and Sorting? HYPERLINK /courselib/static/pythonds/SortSearch/searching.html \l searching online_link 2. HYPERLINK /wiki/Introduction_to_Algorithms 算法导论 搜索(或查找)总结 (1)顺序查找：O(n) (2)二分查找：O(lgn) (3)Hash查找：O(1) 概念：hash，hash table，hash function? HYPERLINK /wiki/%E5%93%88%E5%B8%8C%E8%A1%A8 \l .E5.A4.84.E7.90.86.E7.A2.B0.E6.92.9E 哈希表_on_wiki 常用的哈希函数： 1.reminder method：取余数（size=11，下图对11取余数，例如17取余数得到6） 2.folding method: 分组求和再取余数 3.mid-square method：平方值的中间两位数取余数 4.对于由字符的元素可以尝试使用ord函数来将字符串转换成一个有序的数值序列。在Python中ord函数可以得到对应字符的ASCII码值。将所有字符的码值累加再取余数。 但是，对于通过回文构词法构成的字符串它们得到的值总是一样，为了解决这个问题，可以根据字符的位置添加一个权重。 From wiki 使用哈希查找，难免遇到冲突，该如何解决冲突(Collision Resolution)呢？ 常用的解决冲突的办法： 1.open address(开放寻址)：线性探测(linear probing)下一个位置，缺点是容易造成聚集现象(cluster)，解决聚集现象的办法是跳跃式地查找下一个空槽。数值的顺序：(54, 26, 93, 17, 77, 31, 44, 55, 20). 2.quadratic probing(平方探测)：一开始的hash值为h，如果不是空槽，那就尝试h+1，还不是空槽就尝试h+4，依次继续尝试h+9，h+16等等。 3.chain：利用链表链接起来 From wiki 分析hash查找的性能：一般使用平均查找长度来衡量，和装载因子有关 散列表的载荷因子定义为：α?= 填入表中的元素个数 / 散列表的长度?α是散列表装满程度的标志因子。由于表长是定值，α与“填入表中的元素个数”成正比，所以，α越大，表明填入表中的元素越多，产生冲突的可能性就越大；反之，α越小，标明填入表中的元素越少，产生冲突的可能性就越小。实际上，散列表的平均查找长度是载荷因子α的函数，只是不同处理冲突的方法有不同的函数。?对于开放定址法，荷载因子是特别重要因素，应严格限制在0.7-0.8以下。超过0.8，查表时的CPU缓存不命中（cache missing）按照指数曲线上升。因此，一些采用开放定址法的hash库，如Java的系统库限制了荷载因子为0.75，超过此值将resize散列表。 From wiki 下面的代码包含了顺序查找，二分查找，哈希查找(size=11, plus 1, reminder method) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106def sequential_search(a_list, item): pos = 0 found = False while pos len(a_list) and not found: if a_list[pos] == item: found = True else: pos = pos+1 return foun