算法简介之二分法，常见表达式与推导式
目录
一.算法简介及二分法
1.算法简介
-
1.什么是算法
算法就是解决问题的有效方法 不是所有的算法都很高效也有不合格的算法
-
2.算法的应用场景
推荐算法（抖音视频推送 淘宝商品推送）
成像算法（AI相关）
几乎涵盖了我们日常生活中的方方面面
-
3.了解
算法工程师待遇很好，但是要求非常高(学历，经验等)。而且也不是所有的互联网公司都养得起算法部门，只有一些大型互联网公司才有，比如腾讯，阿里。
算法部门类似于药品研发，可能很长时间才能有所成果，投资成本过大。
2.二分法
-
引入
二分法是算法中最简单的算法 甚至都称不上是算法
二分法使用要求：
待查找的数据集必须有序
二分法的缺陷：
针对开头结尾的数据 查找的数据集必须有序
常见算法的原理以及伪代码
二分法、冒泡、快拍、插入、堆排、桶排、数据结构(链表 约瑟夫问题 如何链表是否成环)
-
实操
l1 = [1, 3, 5, 7, 9, 111, 222, 333, 444, 555, 666, 777, 888, 999, 1111, 2222, 3333] '''查找列表中某个数据值''' '''方式1：for循环 次数较多''' '''方式2：二分法 不断的对数据集做二分切割''' 代码实现： def get_middle(l1, target_num): # 添加一个结束条件 if len(l1) == 0: print('抱歉，没找到') return # 1.获取列表中间索引值 middle_index = len(l1) // 2 # 2.比较目标数据值中间索引值的大小 if target_num > l1[middle_index]: # 切片保留列表右边一半 right_l1 = l1[middle_index + 1:]: print(right_l1) # 针对右边一半的列表继续二分并判断>>>:感觉要用递归函数 return get_middle(right_l1, target_num) elif target_num < l1[middle_index]: # 切片保留列表左边一半 left_l1 = l1[:middle_index] print(left_l1) # 针对左边一半的列表继续二分并判断>>>:感觉要用递归函数 return get_middle(left_l1, target_num) else: print('找到了') get_middle(l1, 888) """ 结果： [555, 666, 777, 888, 999, 1111, 2222, 3333] [555, 666, 777, 888] [888] 找到了 """ get_middle(l1, 1) """ 结果： [1, 3, 5, 7, 9, 111, 222, 333] [1, 3, 5, 7] [1, 3] [1] 找到了 """ get_middle(l1, 3333) """ 结果： [555, 666, 777, 888, 999, 1111, 2222, 3333] [1111, 2222, 3333] [3333] 找到了 """
二.表达式与推导式
1.三元表达式
-
定义
res = 条件成立返回值 if 条件 else 条件不成立返回值 -
使用
'''简化步骤：代码简单且只有一行，那么可以直接在冒号后面编写''' name = 'jason' if name == 'jason':print('老师') else:print('学生') 三元表达式: res = '老师' if name == 'jason' else '学生' print(res) -
补充
三元表达式一般只用于二选一的情况 使用三元表达式较为简单，并且不推荐多个三元表达式嵌套
2.列表生成式
-
定义
res = [表达式 for 变量名 in 循环对象] 复杂式 res = [表达式 for 变量名 in 循环对象 if 条件] -
使用
# 需求：将列表中所有的人名后面加上_NB的后缀 name_list = ['jason', 'kevin', 'tony', 'oscar', 'tom'] # for循环 new_list = [] for name in name_list: data = f'[name]_NB' new_list.append(data) print(new_list) # ['jason_NB', 'kevin_NB', 'tony_NB', 'oscar_NB', 'tom_NB'] # 列表生成式 new_list = [name+'_NB' for name in name_list] print(new_list) # ['jason_NB', 'kevin_NB', 'tony_NB', 'oscar_NB', 'tom_NB'] # 复杂情况 new_list = [name+'_NB' for name in name_list if name == 'jason'] print(new_list) # ['jason_NB'] new_list = [name='_NB' for name in name_list if name != 'jason'] print(new_list) # ['kevin_NB', 'tony_NB', 'oscar_NB', 'tom_NB'] -
补充
列表生成式中值允许出现for 和 if 不能出现else 因为会产生歧义(for和if都能结合else)
3.字典生成式
-
定义
res = {key: value for 变量名 in 循环对象} 复杂式 res = {key: value for 变量名 in循环对象 if 条件} -
使用
# 用for循环遍历 s1 = 'hello word' for i, j in enumerate(s1, start = 100): # enumerate关键字的作用是将数据类型中的所有数据值打上编号，这段代码的意思是将字符串中的每个字符都关联相应的编号 print(i, j) # 输出所有编号与字符的组合 # 字典生成式 d1 = {i: j for i, j in enumerate('hello')} print(d1) # {0: 'h', 1: 'e', 2: 'l', 3: 'l', 4: 'o'}
4.集合生成式
-
定义
res = {表达式 for 变量名 in 循环对象} 复杂式 res = {表达式 for 变量名 in 循环对象 if 条件} -
使用
res = {i for i in 'hello'} # 遍历字符串中的字符，然后将遍历出的字符作为数据值存放到新的集合 print(res)
5.补充
没有元组生成式
三.匿名函数与常用内置函数
1.匿名函数
没有名字的函数 需要使用关键字lambda
语法结构：
lambda 形参:返回值
使用场景:
lambda a, b:a + b
匿名函数一般不单独使用 需要配合其他函数一起用
2.常用内置函数
1.map() 映射
l1 = [1, 2, 3, 4, 5]
# def func(a):
# return a + 1
# 当我们使用定义函数的方式实现列表中每个数据加1的需求时
res = map(lambda x:x+1, l1) # map关键字的使用
print(list(res)) # 相当于将l1中的每个数据取出来，经过匿名函数处理后，映射出处理后的数据
2.max()\min()
l1 = [11, 22, 33, 44]
res = max(l1)
# max()的作用是找出列表数据中的最大值，min()的作用是找出列表数据中的最小值
d1 = {
'zj': 100,
'jason': 8888,
'berk': 9999999,
'oscar': 1
}
def func(a):
return d1.get(a)
res = max(d1, key=lambda k:d1.get(k))
res = max(d1, key=func)
print(res)
"""当max()或者min()对字典使用时，如果只是用关键字与字典名的话，那么只会根据字典的K键进行取值比对，而在字符编码中A-Z对应65-90，a-z对应97-122，所以如果直接使用max(d1),得到的结果是zj，因为在这个过程中只有字典的键参与，而z对应可了最大值，而在语法结构中，max()括号中除了变量名之外，还可以指定一个key"""
max(d1, key=func),这段代码中，key的作用就是调用函数取出每个键所对应的值作为max取最大值的依据，但是最后得到的结果仍然是键，而不是数据值
3.reduce
from functools import reduce
l1 = [11, 22, 33, 44, 55, 66, 77, 88]
res = reduce(lambda a, b: a + b, l1)
# reduce(匿名函数, 列表名)
print(res)
# reduce的使用需要调用模块，它的作用是去除列表中的每个数据值，经过临时函数处理后，得到所有数据值的总和
