程序=数据结构+算法
1.常见的数据结构：数组，链表，散列表（键值对，python的字典形式）
2.二分查找
1.条件：二分查找的数组必须是【有序的】
2.算法执行速度—大O表示法 O（n）
大O表示法是指最糟糕情况下程序所执行的次数，demo：0-100的数组，查找（0），按顺序查找—-线性的，1次就找到了，要找（100）这个数组，就得执行100次，也就是最糟糕的情况下，大O表示法所执行的次数，线性，O（n）
常见大O速度
1. O（logN），对数是幂的逆运算，log默认指的是以2为底以N为真数
2. O(n)，n个数执行n次
3. O（nlogN），
4. O（n^2）
5. O(n!)
可以看出，根据n大小不同（有序列表的长度）大O表示法的增速不同，所以根据你的数据量来确定一个好的算法，使你的程序执行速度加快，提高用户体验，减少等待时间是明智之选，一个好的程序，离不开算法。
二分查找原理：
二分查找所需元素：1一个有序列表list；2：你要查找的item；
demo：有个列表list：0-100；item：67
第一次查找：取中间值50，你说小了，把50复制给最小值，min+1就在【51-100】之间取值
第二次查找：取中间值75：你说大了：把75赋值给最大值，max-1就在【51-74】之间取值
第三次查找：取中间值62:你说小了：把62赋值给最小值，min+1就在【63-74】之间取值
第四次查找：取中间值68：你说大了：把68赋值给最大值，max-1就在【63-73】之间取值
第五次查找：取中间值71：你说小了：把68赋值给最小值，min+1就在【69-71】之间取值
第六次查找：取中间值70：你说大了，把70赋给最大值，max-1 就在【69-69】之间取中间值
第七次查找：取中间值：67！找到了
也就是2^7=128，二分查找执行次数为log100约=7
所以二分查找的执行次数为：O（logN）
如果是顺序查找的话为O(N)，你要查找的是67，就要执行67次
假如：你有一个40亿的一个有序列表，查找第40亿个数，普通查找就得执行40亿次，假如每次执行查找耗时1毫秒，40亿次就是执行了40亿毫秒，4000000000就得执行40亿/1000(毫秒)/3600(转换成小时)/24(转换成天)=4.6天
如果用二分查找就是log4000000000=31.8毫秒；
由此可见，二分查找，数据量越大，所需时间越短，执行效率越高。
3.代码demo
def binary_search(list,item):
# 取最大值，和最小值的下标，
low = 0
height = len(list)-1
while low < height:
# set_trace()
mid = (low+height)/2
print(mid)
guess = list[mid]
if guess == item:
return guess
elif item > guess:
low = mid+1
elif item < guess:
height = mid-1
else:
return None
print(guess,list[low],list[height])结果如下
50
(50, 51, 100)
75
(75, 51, 74)
62
(62, 63, 74)
68
(68, 69, 74)
71
(71, 69, 70)
69