Python中bisect的使用方法
Python中列表（list）的实现其实是一个数组，当要查找某一个元素的时候时间复杂度是O(n)，使用list.index()方法，但是随着数据量的上升，list.index()的性能也逐步下降，所以我们需要使用bisect模块来进行二分查找，前提我们的列表是一个有序的列表。
递归二分查找和循环二分查找
def binary_search_recursion(lst, val, start, end):
if start > end:
return None
mid = (start + end) // 2
if lst[mid] < val:
return binary_search_recursion(lst, val, mid + 1, end)
if lst[mid] > val:
return binary_search_recursion(lst, val, start, mid - 1)
return mid
def binary_search_loop(lst, val):
start, end = 0, len(lst) - 1
while start <= end:
mid = (start + end) // 2
if lst[mid] < val:
start = mid + 1
elif lst[mid] > val:
end = mid - 1
else:
return mid
return None
为了比对一下两者的性能，我们使用timeit模块来测试两个方法执行，timeit模块的timeit方法默认会对需要测试的函数执行1000000，然后返回执行的时间。
>>> import random
>>> from random import randint
>>> from random import choice
>>> random.seed(5)
>>> lst = [randint(1, 100) for _ in range(500000)]
>>> lst.sort()
>>> val = choice(lst)
>>> val
6
>>> def test_recursion():
... return binary_search_recursion(lst, val, 0, len(lst) - 1)
...
>>> def test_loop():
... return binary_search_loop(lst, val)
...
>>> import timeit
>>> t1 = timeit.timeit("test_recursion()", setup="from __main__ import test_recursion")
>>> t1
3.9838006450511045
>>> t2 = timeit.timeit("test_loop()", setup="from __main__ import test_loop")
>>> t2
2.749765167240339
可以看到，循环二分查找比递归二分查找性能要来的好些。现在，我们先用bisect的二分查找测试一下性能
用bisect来搜索
>>> import bisect
>>> def binary_search_bisect(lst, val):
... i = bisect.bisect(lst, val)
... if i != len(lst) and lst[i] == val:
... return i
... return None
...
>>> def test_bisect():
... return binary_search_bisect(lst, val)
...
>>> t3 = timeit.timeit("test_bisect()", setup="from __main__ import test_bisect")
>>> t3
1.3453236258177412
对比之前，我们可以看到用bisect模块的二分查找的性能比循环二分查找快一倍。再来对比一下，如果用Python原生的list.index()的性能
>>> def test_index():
... return lst.index(val)
...
>>> t4 = timeit.timeit("test_index()", setup="from __main__ import test_index")
>>> t4
518.1656223725007
可以看到，如果用Python原生的list.index()执行1000000，需要500秒，相比之前的二分查找，性能简直慢到恐怖
用bisect.insort插入新元素
排序很耗时，因此在得到一个有序序列之后，我们最好能够保持它的有序。bisect.insort就是为这个而存在的
insort(seq, item)把变量item插入到序列seq中，并能保持seq的升序顺序
import random
from random import randint
import bisect
lst = []
SIZE = 10
random.seed(5)
for _ in range(SIZE):
item = randint(1, SIZE)
bisect.insort(lst, item)
print('%2d ->' % item, lst)
输出：
10 -> [10]
5 -> [5, 10]
6 -> [5, 6, 10]
9 -> [5, 6, 9, 10]
1 -> [1, 5, 6, 9, 10]
8 -> [1, 5, 6, 8, 9, 10]
4 -> [1, 4, 5, 6, 8, 9, 10]
1 -> [1, 1, 4, 5, 6, 8, 9, 10]
3 -> [1, 1, 3, 4, 5, 6, 8, 9, 10]
2 -> [1, 1, 2, 3, 4, 5, 6, 8, 9, 10]
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python json jsonl 的用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2024-08-08
python数据可视化使用pyfinance分析证券收益示例详解
这篇文章主要为大家介绍了python数据可视化使用pyfinance分析证券收益的示例详解及pyfinance中returns模块的应用，有需要的朋友可以借鉴参考下，希望能够有所帮助2021-11-11
在交互环境中通常使用pdb.run来调试,下面学习一下使用方法，大家参考使用吧2014-01-01
这篇文章主要介绍了如何用python实现一个HTTP连接池的步骤，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2021-01-01
这篇文章主要介绍了Numpy中的广播原则/机制,小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-09-09
Requests 使用的是 urllib3，因此继承了它的所有特性。Requests 支持 HTTP 连接保持和连接池，支持使用 cookie 保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码。现代、国际化、人性化。2017-05-05
这篇文章主要给大家介绍了关于Python中os.path.join函数用法的相关资料,os.path.join函数是Python标准库中的一个函数,用于将多个路径组合成一个有效的路径,文中通过代码介绍的非常详细,需要的朋友可以参考下2023-10-10
在日常办公中,我们经常需要将包含多个Sheet页的Excel文件拆分成多个独立的Excel文件,下面我们就来看看如何使用Python实现批量Excel拆分的功能吧2025-02-02
今天小编就为大家分享一篇Python使用线程来接收串口数据的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
vars 是 Python 内置函数之一,它主要用于返回对象的 __dict__ 属性,本文将详细介绍 vars 函数的用法,包括其基本语法、应用场景等,有需要的可以参考下2024-12-12
最新评论