一、分塊查找算法
分塊查找是二分法查找和順序查找的改進(jìn)方法，分塊查找要求索引表是有序的，對(duì)塊內(nèi)結(jié)點(diǎn)沒有排序要求，塊內(nèi)結(jié)點(diǎn)可以是有序的也可以是無序的。
分塊查找就是把一個(gè)大的線性表分解成若干塊，每塊中的節(jié)點(diǎn)可以任意存放，但塊與塊之間必須排序。與此同時(shí)，還要建立一個(gè)索引表，把每塊中的最大值作為索引表的索引值，此索引表需要按塊的順序存放到一個(gè)輔助數(shù)組中。查找時(shí)，首先在索引表中進(jìn)行查找，確定要找的結(jié)點(diǎn)所在的塊。由于索引表是排序的，因此，對(duì)索引表的查找可以采用順序查找或二分查找；然后，在相應(yīng)的塊中采用順序查找，即可找到對(duì)應(yīng)的結(jié)點(diǎn)。
例如，有這樣一列數(shù)據(jù)：23、43、56、78、97、100、120、135、147、150。如下圖所示：
想要查找的數(shù)據(jù)是 150，使用分塊查找法步驟如下：
步驟1：將上圖所示的數(shù)據(jù)進(jìn)行分塊，按照每塊長度為 4 進(jìn)行分塊，分塊情況如下圖所示：
說明：每塊的長度是任意指定的，博主在這里用的長度為4，讀者可以根據(jù)自己的需要指定每塊長度。
步驟2：選取各塊中的最大關(guān)鍵字構(gòu)成一個(gè)索引表，即選取上圖所示的各塊的最大值，第一塊最大的值是 78，第二塊最大的值是 135，第三塊最大值是 155，形成的索引表如下圖所示：
步驟3：用順序查找或者二分查找判斷想要查找數(shù)據(jù) 150 在上圖所示的索引表中的哪塊內(nèi)容中，這里博主用的是二分查找法，即先取中間值 135 與 150 比較，如下圖所示：
步驟4：結(jié)果是中間位置的數(shù)據(jù) 135 比目標(biāo)數(shù)據(jù) 150 小，因此目標(biāo)數(shù)據(jù)在 135 的下一塊內(nèi)。將數(shù)據(jù)定位在第 3 塊內(nèi)，此時(shí)將第 3 塊內(nèi)的數(shù)據(jù)取出，進(jìn)行順序比較，如下圖所示：
步驟5：通過順序查找第 3 塊的內(nèi)容，終于在第 9 個(gè)位置找到目標(biāo)數(shù)，此時(shí)分塊查找結(jié)束。
總結(jié)：至此，分塊查找算法已經(jīng)講解完畢。通過和二分查找法和順序查找法對(duì)比來看，分塊查找的速度雖然不如二分查找算法，但比順序查找算法快得多。當(dāng)數(shù)據(jù)很多且塊數(shù)很大時(shí)，對(duì)索引表可以采用二分查找，這樣能夠進(jìn)一步提高查找的速度。
二、實(shí)例：實(shí)現(xiàn)分塊查找算法
具體代碼如下：
def search(data, key): # 用二分查找 想要查找的數(shù)據(jù)在哪塊內(nèi)
length = len(data) # 數(shù)據(jù)列表長度
first = 0 # 第一位數(shù)位置
last = length - 1 # 最后一個(gè)數(shù)據(jù)位置
print(f"長度:{length} 分塊的數(shù)據(jù)是:{data}") # 輸出分塊情況
while first = last:
mid = (last + first) // 2 # 取中間位置
if data[mid] > key: # 中間數(shù)據(jù)大于想要查的數(shù)據(jù)
last = mid - 1 # 將last的位置移到中間位置的前一位
elif data[mid] key: # 中間數(shù)據(jù)小于想要查的數(shù)據(jù)
first = mid + 1 # 將first的位置移到中間位置的后一位
else:
return mid # 返回中間位置
return False
# 分塊查找
def block(data, count, key): # 分塊查找數(shù)據(jù)，data是列表，count是每塊的長度，key是想要查找的數(shù)據(jù)
length = len(data) # 表示數(shù)據(jù)列表的長度
block_length = length // count # 一共分的幾塊
if count * block_length != length: # 每塊長度乘以分塊總數(shù)不等于數(shù)據(jù)總長度
block_length += 1 # 塊數(shù)加1
print("一共分", block_length, "塊") # 塊的多少
print("分塊情況如下：")
for block_i in range(block_length): # 遍歷每塊數(shù)據(jù)
block_data = [] # 每塊數(shù)據(jù)初始化
for i in range(count): # 遍歷每塊數(shù)據(jù)的位置
if block_i * count + i >= length: # 每塊長度要與數(shù)據(jù)長度比較，一旦大于數(shù)據(jù)長度
break # 就退出循環(huán)
block_data.append(data[block_i * count + i]) # 每塊長度要累加上一塊的長度
result = search(block_data, key) # 調(diào)用二分查找的值
if result != False: # 查找的結(jié)果不為False
return block_i * count + result # 就返回塊中的索引位置
return False
data = [23, 43, 56, 78, 97, 100, 120, 135, 147, 150, 155] # 數(shù)據(jù)列表
result = block(data, 4, 150) # 第二個(gè)參數(shù)是塊的長度，最后一個(gè)參數(shù)是要查找的元素
print("查找的值得索引位置是:", result) # 輸出結(jié)果
運(yùn)行結(jié)果如下圖所示：
從上面的運(yùn)行結(jié)果看到，當(dāng)查找 150 時(shí)，查找結(jié)果完全符合上述描述的步驟。
到此這篇關(guān)于Python查找算法之分塊查找算法的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Python 分塊查找算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python實(shí)現(xiàn)在某個(gè)數(shù)組中查找一個(gè)值的算法示例
- Python中的二叉樹查找算法模塊使用指南
- Python實(shí)現(xiàn)二分查找算法實(shí)例
- python快速查找算法應(yīng)用實(shí)例
- python二分查找算法的遞歸實(shí)現(xiàn)方法
- Python實(shí)現(xiàn)查找數(shù)組中任意第k大的數(shù)字算法示例
- python實(shí)現(xiàn)二分查找算法
- Python有序查找算法之二分法實(shí)例分析
- python有序查找算法 二分法實(shí)例解析
