数据结构之查找

1、搜索
最简单的使用 in 运算符

>>> 15 in [3,5,2,4,1]False

2、顺序查找：复杂度是 O（n）
试想，当查找的项目不存在列表中时，无序查找的话最好、最差、平均情况都是n次，但有序查找就不一样了，最好的情况是1次，最差n次，平均n/2次对吧。

3、二分查找：复杂度是 O( log^n )

def binarySearch(alist, item):        if len(alist) == 0:            return False        else:            midpoint = len(alist)//2            if alist[midpoint]==item:              return True            else:              if item<alist[midpoint]:                return binarySearch(alist[:midpoint],item)              else:                return binarySearch(alist[midpoint+1:],item)testlist = [0, 1, 2, 8, 13, 17, 19, 32, 42,]print(binarySearch(testlist, 3))

这里调用了递归。有一个疑问，当查找的结果不存在时，则必然最后一步查找是一个元素的列表，那么midpoint = 0，alist[:0]，貌似这个定义是错误的。怎么解？

4.哈希查找
4.1 哈希查找的本质是先将数据映射成它的哈希值。哈希查找的核心是构造一个哈希函数，它将原来直观、整洁的数据映射为看上去似乎是随机的一些整数。
1）余数法、分组求和/tablesize、平方取中/tablesize。哈希表的初始大小是任意的，但是重要的是，大小是质数，使得冲突解决算法可以尽可能高效。
哈希表的大小取决于一组质数，原因是在hash函数中，你要用这些质数来做模运算(%).而分析发现，如果不是用质数来做模运算的话，很多生活中的数据分布，会集中在某些点上。所以这里最后采用了质数做模的除数。因为用质数做了模的除数,自然存储空间的大小也用质数了。因为模完之后,数据是在[0-所选质数)之间。

2）对于字符串，可以根据其ascii码累加，并以其位置值作为权重因子，除以tablesize来作为散列值。

4.2 解决冲突
1）线性探测的开放寻址技术：从原始哈希值位置开始，然后以顺序方式移动槽，直到遇到第一个空槽，为避免聚集，可以将探头加3。
2）线性探测思想的一个变种称为二次探测。代替使用常量 “跳过” 值，将散列值递增 1，3，5，7，9， 依此类推。这意味着如果第一哈希值是 h，直到找到空槽，则连续值是h + 1，h + 4，h + 9，h + 16，等等。

class HashTable():    def __init__(self):        self.size = 11        self.slots = [None] * self.size  #保存key值 [None, None, None, None, None, None, None, None, None, None, None]        self.data = [None] * self.size  #保存对应value值    def hashfunction(self, key):        return key % self.size         #余数法    def rehash(self, oldhash):        return (oldhash + 1) % self.size    def put(self,key,val):        hashvalue = self.hashfunction(key) #根据哈希函数求出的散列值        if self.slots[hashvalue] ==None:            self.slots[hashvalue] = key            self.data[hashvalue] = val        else:            if self.slots[hashvalue] == key:                self.data[hashvalue] = val  # replace            else:                nextslot = self.rehash(hashvalue)                while self.slots [nextslot] != None and self.slots[nextslot] !=key:      #解决冲突线性寻址的三种情况，not None,not key                    nextslot = self.rehash(nextslot)                if self.slots[nextslot] == None:       #寻找到的槽为空                    self.slots[nextslot] = key                    self.data[nextslot] = val                else:                                #寻找到的槽key值相等                    self.data[nextslot] = val  # replace    def get(self, key):        startslot = self.hashfunction(key)        val = None        stop = False        found = False        position = startslot        while self.slots[position] != None and not found and not stop:            if self.slots[position] == key:                found = True                val = self.data[position]            else:                position = self.rehash(position)                if position == startslot:                    stop = True        return val    def __getitem__(self, key):        return self.get(key)    def __setitem__(self, key, val):        self.put(key, val)H = HashTable()H[54] = 'cat'print(H.slots)

关于getitem和setitem的用法：
python四个魔法方法len,getitem,setitem,delitem