bisect
bisect — Array bisection algorithm
2.1版本中的新功能。
源代码:
Lib / bisect.py
该模块支持按排序顺序维护列表,而无需在每次插入后对列表进行排序。对于昂贵的比较操作的长项目列表,这可能是比较常见的方法的改进。该模块被称为bisect
是因为它使用基本的二分算法来完成其工作。源代码可能是最有用的算法的实例(边界条件已经正确!)。
提供以下功能:
bisect.bisect_left(a, x, lo=0, hi=len(a))
找到了插入点X
在一个
维持有序。参数lo
和hi
可以用来指定应该考虑的列表子集; 默认情况下使用整个列表。如果x
已存在于a中
,则插入点将位于任何现有条目之前(在其左侧)。返回值适合用作list.insert()
假定a
已经排序的第一个
参数。
返回的插入点我分隔阵列一个分为两半,使得all(val < x for val in a[lo:i])用于左侧和all(val >= x for val in a[i:hi])用于右侧。
bisect.bisect_right(a, x, lo=0, hi=len(a))bisect.bisect(a, x, lo=0, hi=len(a))
类似bisect_left()
,但返回其自带后(到右侧)的任何现有条目的插入点X
在一个
。
返回的插入点我分隔阵列一个分为两半,使得all(val <= x for val in a[lo:i])用于左侧和all(val > x for val in a[i:hi])用于右侧。
bisect.insort_left(a, x, lo=0, hi=len(a))
插入X
在一个
排序顺序。这相当于a.insert(bisect.bisect_left(a, x, lo, hi), x)
假设a
已经排序。请记住,O(log n)搜索主要由缓慢的O(n)插入步骤决定。
bisect.insort_right(a, x, lo=0, hi=len(a))bisect.insort(a, x, lo=0, hi=len(a))
类似于insort_left()
,但在x 的
任何现有条目之后的x
中插入x
。
1.搜索排序列表
上述bisect()
功能对于查找插入点非常有用,但对于常见的搜索任务可能会非常棘手或难以使用。以下五个函数显示如何将它们转换为排序列表的标准查找:
def index(a, x):
'Locate the leftmost value exactly equal to x'
i = bisect_left(a, x)
if i != len(a) and a[i] == x:
return i
raise ValueError
def find_lt(a, x):
'Find rightmost value less than x'
i = bisect_left(a, x)
if i:
return a[i-1]
raise ValueError
def find_le(a, x):
'Find rightmost value less than or equal to x'
i = bisect_right(a, x)
if i:
return a[i-1]
raise ValueError
def find_gt(a, x):
'Find leftmost value greater than x'
i = bisect_right(a, x)
if i != len(a):
return a[i]
raise ValueError
def find_ge(a, x):
'Find leftmost item greater than or equal to x'
i = bisect_left(a, x)
if i != len(a):
return a[i]
raise ValueError
2.其他例子
该bisect()
函数可用于数字表查找。这个例子使用bisect()
根据一组有序的数字断点来查找考试成绩(比如说)的字母等级:90和up是'A',80到89是'B',依此类推:
>>> def grade(score, breakpoints=[60, 70, 80, 90], grades='FDCBA'):
i = bisect(breakpoints, score)
return grades[i]
>>> [grade(score) for score in [33, 99, 77, 70, 89, 90, 100]]
['F', 'A', 'C', 'C', 'B', 'A', 'A']
与sorted()
函数不同,函数bisect()
具有关键
或颠倒的
参数是没有意义的,因为这会导致设计效率低下(对等函数的连续调用不会“记住”所有先前的关键
字查找)。
相反,最好搜索预先计算的键列表以查找有问题的记录的索引:
>>> data = [('red', 5), ('blue', 1), ('yellow', 8), ('black', 0)]
>>> data.sort(key=lambda r: r[1])
>>> keys = [r[1] for r in data] # precomputed list of keys
>>> data[bisect_left(keys, 0)]
('black', 0)
>>> data[bisect_left(keys, 1)]
('blue', 1)
>>> data[bisect_left(keys, 5)]
('red', 5)
>>> data[bisect_left(keys, 8)]
('yellow', 8)