Question

我有一大堆具有起始编号和结束编号的对象。例如：

(999, 2333, data) 
(0, 128, data) 
(235, 865, data)
...

假设间隔彼此不重叠。我正在编写一个函数，它接受一个数字并找到（低，高）包含它的对象。说给出333，我想要列表中的第3个对象。

有没有什么方法可以尽可能有效地完成这项工作，缺少线性搜索？我在考虑二元搜索，但在处理范围检查方面遇到了一些困难。

Answer 1

想想是否值得对数据进行排序。
如果您只想搜索几次，那么它就不会 - 而且您无法避免线性搜索。搜索的总体复杂程度为O(n*k)，其中n是元素数量，k是搜索次数。

如果您想要搜索很多次，那么您应首先排序，然后使用二进制搜索进行搜索。它将O(nlogn)用于排序，O(klogn)用于搜索k次，因此总共获得O((n+k)logn)。

因此，只有k>=logn

才能进行排序和搜索

P.S。您可以使用其他方法进行排序和搜索，如其他答案中所提出的，在所有方面，结论仍然是：仅在k>=logn

时执行此操作

Answer 2

您可以使用bisect模块：http://docs.python.org/library/bisect.html

您需要对数据进行一次排序，然后使用bisect：

import bisect
data=None
tuples=[(0, 128, None), (235, 865, None), (999, 2333, None)]
tuples.sort()
print tuples
print bisect.bisect(tuples, (-1,))   # 0
print bisect.bisect(tuples, (1,))    # 1
print bisect.bisect(tuples, (333,))  # 2
print bisect.bisect(tuples, (3333,)) # 3

Answer 3

如果搜索速度至关重要，那么您可以创建一个查找表（已经由S.Lott评论过）。这将采用 O （ r ）内存（其中 r 是范围的大小）， O （< em> r ）预处理时间， O （1）搜索时间。创建一个范围大小的数组，并使用指向数据的指针填充每个元素，或者为null。

lookup = {}
for low, high, data in source_ranges:
    for i in range(low,high): # or maybe high+1 if the ranges are inclusive
        lookup[i] = data

现在查找很简单。

Answer 4

首先，完全不清楚二进制搜索是否合理。当间隔数量很小时，线性搜索可能会更快。

如果您担心性能问题，那么谨慎的做法是对代码进行分析，并对两种方法进行基准测试。

免责声明，二进制搜索可以通过对间隔进行一次排序，然后重复使用bisect模块进行搜索来实现：

import bisect

intervals = [(999, 2333, 'int1'), (0, 128, 'int2'), (235, 865, 'int3')]
intervals.sort()

def find_int(intervals, val):
   pos = bisect.bisect_left([interval[1] for interval in intervals], val)
   if pos < len(intervals) and val >= intervals[pos][0]:
      return intervals[pos]
   else:
      return None

print(find_int(intervals, 0))
print(find_int(intervals, 1))
print(find_int(intervals, 200))
print(find_int(intervals, 998))
print(find_int(intervals, 999))
print(find_int(intervals, 1000))
print(find_int(intervals, 2333))
print(find_int(intervals, 2334))

在上文中，我假设间隔不重叠，并且间隔包括其起点和终点。

最后，为了提高性能，可以考虑将[interval[1] for interval in intervals]从函数中分解出来并在开始时只执行一次。

有没有办法避免对此进行线性搜索？

4 个答案: