二分查找python

Ⅰ 省內沒有二級python考點

青島科技大學繼續教育學院可以考ython二級。
python二級考試知識點總結。20道選擇題，包括計算機的基礎知識、數據結構當中的知識（棧、隊列、數、二分查找等）。
Python基礎知識，5道基礎編程題，一般摳出兩個空給你填一下，填完運行後沒錯就行。最後一道是編程題。

Ⅱ python是如何被開發的

本文出自《Python高手之路》中的Doug Hellmann訪談。

我曾經有幸和Doug Hellmann一起工作過數月。他在DreamHost是一位非常資深的軟體開發工程師，同時他也是OpenStack項目的貢獻者。他發起過關於Python的網站Python Mole of the Week（），也出版過一本很有名的Pyhton書The Python Standard Library By Example（），同時他也是Python的核心開發人員。我曾經咨詢過Doug關於標准庫以及庫的設計與應用等方面的問題。
當你從頭開發一個Python應用時，如何邁出第一步呢？它和開發一個已有的應用程序有什麼不同？
從抽象角度看步驟都差不多，但是細節上有所不同。相對於對比開發新項目和已有項目，我個人在對應用程序和庫開發的處理方式上有更多的不同。
當我要修改已有代碼時，特別是這些代碼是其他人創建的時，起初我需要研究代碼是如何工作的，我需要改進哪些代碼。我可能會添加日誌或是輸出語句，或是用pdb，利用測試數據運行應用程序，以便我理解它是如何工作的。我經常會做一些修改並測試它們，並在每次提交代碼前添加可能的自動化測試。
創建一個新應用時，我會採取相同的逐步探索方法。我先創建一些代碼，然後手動運行它們，在這個功能可以基本調通後，再編寫測試用例確保我已經覆蓋了所有的邊界情況。創建測試用例也可以讓代碼重構更容易。
這正是smiley（）的情況。在開發正式應用程序前，我先嘗試用Python的trace API寫一些臨時腳本。對於smiley我最初的設想包括一個儀表盤並從另一個運行的應用程序收集數據，另一部分用來接收通過網路發送過來的數據並將其保存。在添加幾個不同的報告功能的過程中，我意識到重放已收集的數據的過程和在一開始收集數據的過程基本是一樣的。於是我重構了一些類，並針對數據收集，資料庫訪問和報告生成器創建了基類。通過讓這些類遵循同樣的API使我可以很容易地創建數據收集應用的一個版本，它可以直接將數據寫入資料庫而無需通過網路發送數據。
當設計一個應用程序時，我會考慮用戶界面是如何工作的，但對於庫，我會專注於開發人員如何使用其API。通過先寫測試代碼而不是庫代碼，可以讓思考如何通過這個新庫開發應用程序變得更容易一點兒。我通常會以測試的方式創建一系列示常式序，然後依照其工作方式去構建這個庫。
我還發現，在寫任何庫的代碼之前先寫文檔讓我可以全面考慮功能和流程的使用，而不需要提交任何實現的細節。它還讓我可以記錄對於設計我所做出的選擇，以便讀者不僅可以理解如何使用這個庫，還可以了解在創建它時我的期望是什麼。這就是我用在stevedore上的方法。
我知道我想讓stevedore能夠提供一組類用來管理應用程序的插件。在設計階段，我花了些時間思考我見過的使用插件的通用模式，並且寫了幾頁粗略的文檔描述這些類應該如何使用。我意識到，如果我在類的構造函數中放最復雜的參數，方法map()幾乎是可互換的。這些設計筆記直接寫進了stevedore官方文檔的簡介里，用來解釋在應用程序中使用插件的不同模式和准則。
將一個模塊加入Python標准庫的流程是什麼？
完整的流程和規范可以在Python Developer's Guide（）中找到。
一個模塊在被加入Python標准庫之前，需要被證明是穩定且廣泛使用的。模塊需要提供的功能要麼是很難正確實現的，要麼是非常有用以至於許多開發人員已經創建了他們自己不同的變種。API應該非常清晰並且它的實現不能依賴任何標准庫之外的庫。
提議一個新模塊的第一步是在社區通過python-ideas郵件列表非正式地了解一下大家對此的感興趣程度。如果回應很積極，下一步就是創建一個Python增強提案（PythonEnhancement Proposal，PEP），它包括添加這個模塊的動因，以及如何過渡的一些實現細節。
因為包的管理和發現工作已經非常穩定了，尤其是pip和Python Package Index（PyPI），因此在標准庫之外維護一個新的庫可能更實用。單獨的發布使得對於新功能和bug修復（bugfix）的更新可以更頻繁，對於處理新技術或API的庫來說這尤其重要。
標准庫中的哪三個模塊是你最想人們深入了解並開始使用的？
最近我做了許多關於應用程序中動態載入擴展方面的工作。我使用abc模塊為那些作為抽象基類進行的擴展定義API，以幫助擴展的作者們了解API的哪些方法是必需的，哪些是可選的。抽象基類已經在其他一些語言中內置了，但我發現很多Python程序員並不知道Python也有。
bisect模塊中的二分查找演算法是個很好的例子，一個廣泛使用但不容易正確實現的功能，因此它非常適合放到標准庫中。我特別喜歡它可以搜索稀疏列表，且搜索的值可能並不在其中。
collections模塊中有許多有用的數據結構並沒有得到廣泛使用。我喜歡用namedtuple來創建一些小的像類一樣的數據結構來保存數據但並不需要任何關聯邏輯。如果之後需要添加邏輯的話，可以很容易將namedtuple轉換成一個普通的類，因為namedtuple支持通過名字訪問屬性。另一個有意思的數據結構是ChainMap，它可以生成良好的層級命名空間。ChainMap能夠用來為模板解析創建上下文或者通過清晰的流程定義來管理不同來源的配置。
許多項目（包括OpenStack）或者外部庫，會在標准庫之上封裝一層自己的抽象。例如，我特別想了解對於日期/時間的處理。對此你有什麼建議嗎？程序員應該堅持使用標准庫，還是應該寫他們自己的函數，切換到其他外部庫或是開始給Python提交補丁？
所有這些都可以。我傾向於避免重復造輪子，所以我強烈主張貢獻補丁和改進那些能夠用來作為依賴的項目。但是，有時創建另外的抽象並單獨維護代碼也是合理的，不管在應用程序內還是作為一個新的庫。
你提到的例子中，OpenStack里的timeutils模塊就是對Python的datetime模塊的一層很薄的封裝。大部分功能都簡短且簡單，但通過將這些最常見的操作封裝為一個模塊，我們可以保證它們在OpenStack項目中以一致的方式進行處理。因為許多函數都是應用相關的，某種意義上它們強化了一些問題決策，例如，字元串時間戳格式或者「現在」意味著什麼，它們不太適合作為Python標准庫的補丁或者作為一個通用庫發布以及被其他項目採用。
與之相反，我目前正致力於將OpenStack的API服務項目從早期創建時使用的WSGI框架轉成採用一個第三方Web開發框架。在Python中開發WSGI應用有很多選擇，並且當我們可能需要增強其中一個以便其可以完全適應OpenStack API伺服器的需要時，將這些可重用的修改貢獻對於維護一個「私有的」框架似乎更可取。
當從標准庫或其他地方導入並使用大量模塊時，關於該做什麼你有什麼特別的建議嗎？
我沒有什麼硬性限制，但是如果我有過多的導入時，我會重新考慮這個模塊的設計並考慮將其拆到一個包中。與上層模塊或者應用程序模塊相比，對底層模塊的這種拆分可能會發生得更快，因為對於上層模塊我期望將更多片段組織在一起。
關於Python 3，有什麼模塊是值得一提而且能令開發人員有興趣深入了解的？
支持Python 3的第三方庫的數量已經到了決定性的時刻。針對Python 3開發新庫或應用程序從未如此簡單過，而且幸虧有3.3中加入的兼容性功能使同時維護對Python 2.7的支持也很容易。主要的Linux發行版正在致力於將Python 3默認安裝。任何人要用Python創建新項目都應該認真考慮對Python 3的支持，除非有尚未移植的依賴。目前來說，不能運行在Python 3上的庫基本會被視為「不再維護」。
許多開發人員將所有的代碼都寫入到應用程序中，但有些情況下可能有必要將代碼封裝成一個庫。關於設計、規劃、遷移等，做這些最好的方式是什麼？
應用程序就是「膠水代碼」的集合用來將庫組織在一起完成特定目的。起初設計時可以將這些功能實現為一個庫，然後在構建應用程序時確保庫的代碼能夠很好地組織到邏輯單元中，這會讓測試變得更簡單。這還意味著應用程序的功能可以通過庫進行訪問，並且能夠被重新組合以構建其他應用程序。未能採用這種方法的話意味著應用程序的功能和用戶界面的綁定過於緊密，導致很難修改和重用。
對於計劃開始構建自己的Python庫的人們有什麼樣的建議呢？
我通常建議自頂向下設計庫和API，對每一層應用單一職責原則（Single Responsibility Principle，SRP）（）這樣的設計准則。考慮調用者如何使用這個庫，並創建一個API去支持這些功能。考慮什麼值可以存在一個實例中被方法使用，以及每個方法每次都要傳入哪些值。最後，考慮實現以及是否底層的代碼的組織應該不同於公共API。
SQLAlchemy是應用這些原則的絕好例子。聲明式ORM、數據映射和表達式生成層都是單獨的。開發人員可以自行決定對於API訪問的正確的抽象程度，並基於他們的需求而不是被庫的設計強加的約束去使用這個庫。
當你隨機看Python程序員的代碼時遇到的最常見的編程錯誤是什麼？
Python的習慣用法和其他語言的一個較大的不同在於循環和迭代。例如，我見過的最常見的反模式是使用for循環過濾一個列表並將元素加入到一個新的列表中，然後再在第二個循環中處理這個結果（可能將列表作為參數傳給一個函數）。我通常建議將過濾循環改成生成器表達式，因為生成器表達式，更有效也更容易理解。列表的組合也很常見，以便它們的內容可以以某種方式一起被處理，但卻沒有使用itertools.chain()。
還有一些我在代碼評審時給出的更細小的建議，例如，使用dict()而不是長的if:then:else塊作為查找表，確保函數總是返回相同的類型（如一個空列表而不是None），通過使用元組和新類將相關的值合並到一個對象中從而減少函數的參數，以及在公共API中定義要使用的類而不是依賴於字典。
有沒有關於選擇了一個「錯誤」的依賴的具體的例子是你親身經歷或目睹過的？
最近，我有個例子，pyparsing（）的一個新發布取消了對Python 2的支持，這給我正在維護的一個庫帶來了一點兒小麻煩。對pyparsing的更新是個重大的修改，而且是明確標識成這樣的，但是因為我沒有在對cliff（）的設置中限制依賴版本號，所以pyparsing的新發布給cliff的用戶造成了問題。解決方案就是在cliff的依賴列表中對Python 2和Python 3提供不同的版本邊界。這種情況突顯了理解依賴管理和確保持續集成測試中適當的測試配置的重要性。
你怎麼看待框架？
框架像任何工具類型一樣。它們確實有幫助，但在選擇框架時要特別謹慎，應確保它能夠很好地完成當前的工作。
通過抽取公共部分到一個框架中，你可以將你的開發精力專注於應用中獨特的方面。通過提供許多類似運行在開發模式或者寫一個測試套件這樣的引導代碼，它們還可以幫你讓一個應用程序迅速達到一個可用的狀態而不是從頭開發。它們還可以激勵你在應用程序開發過程中保持一致，這意味著最終你的代碼將更易於理解且更可重用。
雖然使用框架時還有其他一些潛在的缺點需要注意。決定使用某個特定框架通常能夠反映應用程序本身的設計。如果設計的限制不能從根本上符合應用程序的需求，那麼選擇錯誤的框架會令應用的實現變得更難。如果你試著使用與框架建議不同的模式或慣用方式，你最終將不得不同框架做斗爭。

Ⅲ python中list有沒有自帶二分查找函數

要判斷一個list中是否存在你要的東西，可以用 value in list 的方式或者 list.index(value), 具體python內部實現用的什麼演算法。。。自己研究吧。

Ⅳ python演算法設計的步驟有三步分別是

1. 弄清楚題目的意思，列出題目的輸入、輸出、約束條件
其中又一道題目是這樣的：「有一個mxn的矩陣，每一行從左到右是升序的，每一列從上到下是升序的。請實現一個函數，在矩陣中查找元素elem，找到則返回elem的位置。」題設只說了行和列是升序的，我在草稿紙上畫了一個3x4的矩陣，裡面的元素是1~12，於是我就想當然的認為矩陣的左上角是最小的元素，右下角是最大的元素。於是整個題目的思考方向就錯了。
2. 思考怎樣讓演算法的時間復雜度盡可能的小
繼續以上面的題目為例子。可以有如下幾種演算法：
a. 遍歷整個矩陣進行查找，那麼復雜度為O(m*n)；
b. 因為每一行是有序的，所以可以對每一行進行二分查找，復雜度為O(m*logn)。但是這樣只用到了行有序的性質。
c. 網上查了一下，最優的演算法是從矩陣的左下角開始，比較左下角的元素（假設為X）與elem的大小，如果elem比X大，那麼X所在的那一列元素就都被排除了，因為X是該列中最大的了，比X還大，那麼肯定比X上面的都大；如果elem比X小，那麼X所在的那一行就可以排除了，因為X是這一行里最小的了，比X還小那麼肯定比X右邊的都小。每迭代一次，矩陣的尺寸就縮小一行或一列。復雜度為O(max(m,n))。
可以先從復雜度較高的實現方法入手，然後再考慮如何利用題目的特定條件來降低復雜度。
3. 編寫偽代碼或代碼

Ⅳ python演算法有哪些

演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。

一個演算法應該具有以下七個重要的特徵：

①有窮性（Finiteness）：演算法的有窮性是指演算法必須能在執行有限個步驟之後終止；

②確切性(Definiteness)：演算法的每一步驟必須有確切的定義；

③輸入項(Input)：一個演算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸 入是指演算法本身定出了初始條件；

④輸出項(Output)：一個演算法有一個或多個輸出，以反映對輸入數據加工後的結果。沒 有輸出的演算法是毫無意義的；

⑤可行性(Effectiveness)：演算法中執行的任何計算步驟都是可以被分解為基本的可執行 的操作步，即每個計算步都可以在有限時間內完成（也稱之為有效性）；

⑥高效性(High efficiency)：執行速度快，佔用資源少；

⑦健壯性(Robustness)：對數據響應正確。

相關推薦：《Python基礎教程》

五種常見的Python演算法：

1、選擇排序

2、快速排序

3、二分查找

4、廣度優先搜索

5、貪婪演算法

Ⅵ Python big notation 里的 logn 和 nlogn 分別代表了什麼

題主說的是big O notation嗎？這個符號是做演算法復雜度分析用的，跟python沒有直接關系。
常見演算法中，有序數組的二分查找是O(logn)的時間復雜度；快速排序演算法的時間復雜度是O(nlogn)。
其中n代表數組長度。所謂時間復雜度就是表徵輸入數據規模n與演算法消耗時間t直接的函數關系t = f(n)。

Ⅶ python折半查找，如果待查找的元素在數組中有多個則返回第一個

懶一點就從找到的位置往前遞減index，如果前一個數值==找到的數值，index=index-1，不等就返回index就行
如果再想提高速度就2次折半：從找到的位置到start位置中間再次折半，如果相等就修改結果index。start位置就是第一次折半最後保留的范圍的起始位置。

Ⅷ Python程序，定義一個 prime() 函數求整數 n 以內（不包括n）的所有素數（1不是素數）

定義一個 prime() 函數求整數 n 以內（不包括n）的所有素數（1不是素數），<br>並返回一個按照升序排列的素數列表。使用遞歸來實現一個二分查找演算法<br>函數bi_search()，該函數實現檢索任意一個整數在 prime() 函數生成的素數列<br>表中位置（索引）的功能，並返回該位置的索引值，若該數不存在則返回 -1。<br><br>輸入格式:<br>第一行為正整數 n<br>接下來若干行為待查找的數字，每行輸入一個數字<br>輸出格式：<br>每行輸出相應的待查找數字的索引值<br>輸入樣例：<br>10<br>2<br>4<br>6<br>7<br>輸出樣例：<br>0<br>-1<br>-1<br>3<br>

Ⅸ 如何從數組中查找最接近500的數字

前提：有序數組。如果為無序數組，要麼先排序，要麼遍歷。

1. 這兒查找最接近0的下標，同樣的你可以查找離500最近的下標，然後查找到該數

2. python語言（二分法查找）
   

3. li=[-5,-3,-1,2,3,6,7]
   
   deffunc(li):
   ifli[0]>=0:
   print("下標為0")
   return
   left,right=0,len(li)-1
   
   whileleft<=right:
   mid=(left+right)//2
   ifli[mid]<0:
   left=mid+1
   elifli[mid]>0:
   right=mid-1
   else:
   print('有相等元素,最近下標為',mid)
   return
   print(left,right)
   #如果沒有相等元素，最後left>right,且left=right+1
   ifli[left]-0>0-li[right]:
   print("沒有相等，最近下標為",right)
   return
   else:
   print('沒有相等，最近下標為',left)
   return
   
   func(li)

Ⅹ python 演算法有哪些比賽

演算法是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。簡單來講，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。包括這幾類：
1.
選擇排序演算法：選擇排序是一種簡單直觀的排序演算法。原理：首先在未排序序列中找到最小或最大元素，存放到排序序列的起始位置;然後，再從剩餘未排序元素中繼續尋找最大最小元素，然後放到已排序序列的後面，以此類推直到所有元素均排序完畢。
2.
快速排序演算法：快速排序的運行速度快於選擇排序。原理：設要排序的數組為N，首先任意選取一個數據作為關鍵數據，然後將所有比它小的數放到它前面，所有比它大的數都放到它後面，這個過程稱之為快速排序。
3. 二分查找演算法：二分查找的輸入是一個有序的列表，如果要查找的元素包含在一個有序列表中，二分查找可以返回其位置。
4.
廣度優先搜索演算法：屬於一種圖演算法，圖由節點和邊組成。一個節點可以與多個節點連接，這些節點稱為鄰居。它可以解決兩類問題：第一類是從節點A出發，在沒有前往節點B的路徑;第二類問題是從節點A出發，前往B節點的哪條路徑最短。使用廣度優先搜索演算法的前提是圖的邊沒有權值，即該演算法只用於非加權圖中，如果圖的邊有權值的話就應該使用狄克斯特拉演算法來查找最短路徑。
5.
貪婪演算法：又叫做貪心演算法，對於沒有快速演算法的問題，就只能選擇近似演算法，貪婪演算法尋找局部最優解，並企圖以這種方式獲得全局最優解，它易於實現、運行速度快，是一種不錯的近似演算法。