forked from UNN/2026-rff_mp
349 lines
14 KiB
Markdown
349 lines
14 KiB
Markdown
import csv
|
||
import random
|
||
import sys
|
||
import time
|
||
from collections import defaultdict
|
||
import pandas as pd
|
||
import matplotlib.pyplot as plt
|
||
|
||
# увеличиваем лимит рекурсии
|
||
sys.setrecursionlimit(25000)
|
||
|
||
|
||
# 1. связный список, узел: {'name': 'Имя', 'phone': '123', 'next': None}
|
||
|
||
# проходит до конца и добавляет в конец
|
||
def ll_insert(head, name, phone):
|
||
new_node = {'name': name, 'phone': phone, 'next': None}
|
||
if head is None:
|
||
return new_node
|
||
current = head
|
||
while current['next'] is not None:
|
||
current = current['next']
|
||
current['next'] = new_node
|
||
return head
|
||
|
||
# ищет узел, возвращает телефон или None
|
||
def ll_find(head, name):
|
||
current = head
|
||
while current is not None:
|
||
if current['name'] == name:
|
||
return current['phone']
|
||
current = current['next']
|
||
return None
|
||
|
||
# удаляет узел, возвращает новую голову
|
||
def ll_delete(head, name):
|
||
if head is None:
|
||
return None
|
||
if head['name'] == name:
|
||
return head['next']
|
||
|
||
current = head
|
||
while current['next'] is not None:
|
||
if current['next']['name'] == name:
|
||
current['next'] = current['next']['next']
|
||
return head
|
||
current = current['next']
|
||
return head
|
||
|
||
# собирает все записи в список и сортирует
|
||
def ll_list_all(head):
|
||
records = []
|
||
current = head
|
||
while current is not None:
|
||
records.append((current['name'], current['phone']))
|
||
current = current['next']
|
||
records.sort(key=lambda x: x[0])
|
||
return records
|
||
|
||
|
||
# 2. хеш-таблица
|
||
|
||
# хеш-функция для вычисления бекета
|
||
def ht_hash(name, size):
|
||
return hash(name) % size
|
||
|
||
# вычисляет индекс, вызывает ll_insert для соответствующего бакета
|
||
def ht_insert(buckets, name, phone):
|
||
size = len(buckets)
|
||
idx = ht_hash(name, size)
|
||
buckets[idx] = ll_insert(buckets[idx], name, phone)
|
||
|
||
# поиск по хеш-таблице
|
||
def ht_find(buckets, name):
|
||
size = len(buckets)
|
||
idx = ht_hash(name, size)
|
||
return ll_find(buckets[idx], name)
|
||
|
||
# удаление из хеш-таблицы
|
||
def ht_delete(buckets, name):
|
||
size = len(buckets)
|
||
idx = ht_hash(name, size)
|
||
buckets[idx] = ll_delete(buckets[idx], name)
|
||
|
||
# собирает все записи из всех бакетов и сортирует
|
||
def ht_list_all(buckets):
|
||
all_records = []
|
||
for head in buckets:
|
||
current = head
|
||
while current is not None:
|
||
all_records.append((current['name'], current['phone']))
|
||
current = current['next']
|
||
all_records.sort(key=lambda x: x[0])
|
||
return all_records
|
||
|
||
|
||
# 3. двоичное дерево поиска
|
||
# узел — словарь: {'name': 'Имя', 'phone': '123', 'left': None, 'right': None}
|
||
|
||
# рекурсивно или итеративно вставляет, возвращает новый корень (если корень меняется)
|
||
def bst_insert(root, name, phone):
|
||
if root is None:
|
||
return {'name': name, 'phone': phone, 'left': None, 'right': None}
|
||
|
||
if name < root['name']:
|
||
root['left'] = bst_insert(root['left'], name, phone)
|
||
elif name > root['name']:
|
||
root['right'] = bst_insert(root['right'], name, phone)
|
||
else:
|
||
root['phone'] = phone
|
||
return root
|
||
|
||
# поиск
|
||
def bst_find(root, name):
|
||
if root is None:
|
||
return None
|
||
if name == root['name']:
|
||
return root['phone']
|
||
elif name < root['name']:
|
||
return bst_find(root['left'], name)
|
||
else:
|
||
return bst_find(root['right'], name)
|
||
|
||
# удаление, возвращает новый корень
|
||
def bst_delete(root, name):
|
||
if root is None:
|
||
return None
|
||
|
||
if name < root['name']:
|
||
root['left'] = bst_delete(root['left'], name)
|
||
elif name > root['name']:
|
||
root['right'] = bst_delete(root['right'], name)
|
||
else:
|
||
# одна ветвь или её отсутствие
|
||
if root['left'] is None:
|
||
return root['right']
|
||
if root['right'] is None:
|
||
return root['left']
|
||
# две ветви
|
||
successor = root['right']
|
||
while successor['left'] is not None:
|
||
successor = successor['left']
|
||
|
||
root['name'] = successor['name']
|
||
root['phone'] = successor['phone']
|
||
root['right'] = bst_delete(root['right'], successor['name'])
|
||
|
||
return root
|
||
|
||
# центрированный обход (рекурсивно собирает записи в отсортированном порядке)
|
||
def bst_list_all(root):
|
||
records = []
|
||
def _inorder(node):
|
||
if node is not None:
|
||
_inorder(node['left'])
|
||
records.append((node['name'], node['phone']))
|
||
_inorder(node['right'])
|
||
_inorder(root)
|
||
return records
|
||
|
||
|
||
# 4. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
|
||
|
||
def run_experiments():
|
||
N = 3000
|
||
HASH_SIZE = 1007
|
||
|
||
print(f"генерация тестовых данных для N = {N}...")
|
||
records_sorted = [(f"User_{i:05d}", f"+7999123{i:04d}") for i in range(N)]
|
||
records_shuffled = records_sorted.copy()
|
||
random.seed(42)
|
||
random.shuffle(records_shuffled)
|
||
|
||
# подготовка выборок
|
||
existing_sample = [r[0] for r in random.sample(records_sorted, min(100, N))]
|
||
non_existing_sample = [f"None_{i}" for i in range(10)]
|
||
search_names = existing_sample + non_existing_sample
|
||
|
||
delete_names = [r[0] for r in random.sample(records_sorted, min(50, N))]
|
||
csv_rows = [["структура", "режим", "операция", "повторение", "время (сек)"]]
|
||
modes = [("случайный", records_shuffled), ("отсортированный", records_sorted)]
|
||
|
||
print("запуск экспериментов (5 повторений для каждого режима)")
|
||
|
||
# ТЕСТ: СВЯЗНЫЙ СПИСОК
|
||
|
||
for mode_name, data in modes:
|
||
for rep in range(1, 6):
|
||
head = None
|
||
t_start = time.perf_counter()
|
||
for name, phone in data:
|
||
head = ll_insert(head, name, phone)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["LinkedList", mode_name, "вставка", rep, t_end - t_start])
|
||
|
||
t_start = time.perf_counter()
|
||
for name in search_names:
|
||
ll_find(head, name)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["LinkedList", mode_name, "поиск", rep, t_end - t_start])
|
||
|
||
t_start = time.perf_counter()
|
||
for name in delete_names:
|
||
head = ll_delete(head, name)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["LinkedList", mode_name, "удаление", rep, t_end - t_start])
|
||
|
||
# ТЕСТ: ХЕШ-ТАБЛИЦА
|
||
|
||
for mode_name, data in modes:
|
||
for rep in range(1, 6):
|
||
buckets = [None] * HASH_SIZE
|
||
t_start = time.perf_counter()
|
||
for name, phone in data:
|
||
ht_insert(buckets, name, phone)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["HashTable", mode_name, "вставка", rep, t_end - t_start])
|
||
|
||
t_start = time.perf_counter()
|
||
for name in search_names:
|
||
ht_find(buckets, name)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["HashTable", mode_name, "поиск", rep, t_end - t_start])
|
||
|
||
t_start = time.perf_counter()
|
||
for name in delete_names:
|
||
ht_delete(buckets, name)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["HashTable", mode_name, "удаление", rep, t_end - t_start])
|
||
|
||
# ТЕСТ: ДЕРЕВО ПОИСКА (BST)
|
||
|
||
for mode_name, data in modes:
|
||
for rep in range(1, 6):
|
||
root = None
|
||
t_start = time.perf_counter()
|
||
for name, phone in data:
|
||
root = bst_insert(root, name, phone)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["BST", mode_name, "вставка", rep, t_end - t_start])
|
||
|
||
t_start = time.perf_counter()
|
||
for name in search_names:
|
||
bst_find(root, name)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["BST", mode_name, "поиск", rep, t_end - t_start])
|
||
|
||
t_start = time.perf_counter()
|
||
for name in delete_names:
|
||
root = bst_delete(root, name)
|
||
t_end = time.perf_counter()
|
||
csv_rows.append(["BST", mode_name, "удаление", rep, t_end - t_start])
|
||
|
||
# сохранение в csv
|
||
with open("results.csv", "w", newline="", encoding="utf-8") as f:
|
||
writer = csv.writer(f)
|
||
writer.writerows(csv_rows)
|
||
print("\nвсе замеры сохранены в файл 'results.csv'.")
|
||
|
||
show_summary(csv_rows)
|
||
|
||
# функция для подсчета и вывода среднего времени
|
||
def show_summary(rows):
|
||
summary = defaultdict(list)
|
||
for row in rows[1:]:
|
||
struct, mode, op, rep, elapsed = row
|
||
summary[(struct, mode, op)].append(elapsed)
|
||
|
||
print("\nСВОДНЫЕ РЕЗУЛЬТАТЫ (СРЕДНЕЕ ВРЕМЯ ИЗ 5 ЗАПУСКОВ)")
|
||
print(f"{'структура':<12} | {'режим данных':<15} | {'операция':<10} | {'время (сек)':<12}")
|
||
print("-" * 59)
|
||
for (struct, mode, op), times in sorted(summary.items()):
|
||
avg_time = sum(times) / len(times)
|
||
print(f"{struct:<12} | {mode:<15} | {op:<10} | {avg_time:.6f}")
|
||
|
||
|
||
|
||
# 5. АНАЛИЗ РЕЗУЛЬТАТОВ
|
||
|
||
def plot_results(csv_filename="results.csv"):
|
||
print("построение графика")
|
||
try:
|
||
df = pd.read_csv(csv_filename)
|
||
|
||
df_insert = df[df["операция"] == "вставка"]
|
||
|
||
pivot_df = df_insert.pivot_table(
|
||
index="структура",
|
||
columns="режим",
|
||
values="время (сек)",
|
||
aggfunc="mean"
|
||
)
|
||
|
||
pivot_df.plot(kind="bar", figsize=(10, 6), color=['#1f77b4', '#ff7f0e'])
|
||
|
||
plt.title("сравнение времени вставки (N=3000)")
|
||
plt.ylabel("среднее время выполнения (сек)")
|
||
plt.xlabel("структура данных")
|
||
plt.xticks(rotation=0)
|
||
plt.grid(axis='y', linestyle='--', alpha=0.7)
|
||
plt.savefig("benchmark_chart.png")
|
||
print("график сохранен как benchmark_chart.png")
|
||
plt.show()
|
||
|
||
except FileNotFoundError:
|
||
print(f"файл {csv_filename} не найден. сначала запустите тесты.")
|
||
|
||
|
||
def print_report():
|
||
report = """
|
||
|
||
5. АНАЛИЗ РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТОВ
|
||
|
||
1. Влияние порядка входных данных на скорость вставки в BST:
|
||
- На случайных данных BST строится сбалансированным. Высота дерева составляет
|
||
примерно O(log N), поэтому вставка происходит почти мгновенно.
|
||
- На отсортированных данных происходит ДЕГРАДАЦИЯ дерева. Каждый элемент больше
|
||
предыдущего и вставляется строго вправо. Дерево вырождается в связный список.
|
||
Сложность возрастает до O(N), что отчетливо видно по гигантскому пику на графике.
|
||
|
||
2. Чувствительность Хеш-таблицы к порядку:
|
||
- Хеш-таблица НЕ ЧУВСТВИТЕЛЬНА к порядку данных. Математическая хеш-функция
|
||
превращает любое имя в хаотичный индекс и равномерно распределяет записи
|
||
по бакетам. В обоих режимах операции выполняются за константное время O(1).
|
||
|
||
3. Почему связный список всегда медленен при поиске:
|
||
- У связного списка нет индексов для прямого доступа. Поиск всегда линейный O(N)
|
||
— алгоритм вынужден последовательно перебирать элементы от головы к хвосту.
|
||
|
||
4. Как удаление работает в каждой структуре:
|
||
- Связный список: O(N) затрачивается на линейный поиск узла, само удаление — O(1).
|
||
- Хеш-таблица: O(1) нахождение бакета по хешу, удаление из цепочки коллизий мгновенно.
|
||
- BST: В среднем O(log N), в худшем O(N). Требует поиска узла и перестройки связей
|
||
(замена удаляемого узла на его потомка или минимальный элемент правого поддерева).
|
||
|
||
ВЫВОД:
|
||
- ДЛЯ ЧАСТЫХ ВСТАВОК И ПОИСКА: Идеально подходит Хеш-таблица благодаря скорости O(1).
|
||
- ДЛЯ ПОЛУЧЕНИЯ ДАННЫХ В ПОРЯДКЕ (АЛФАВИТНОМ): Стоит выбирать Двоичное дерево поиска
|
||
(BST), так как обход дерева (In-order traversal) сразу выдает отсортированные данные.
|
||
"""
|
||
print(report)
|
||
|
||
if __name__ == "__main__":
|
||
run_experiments()
|
||
plot_results()
|
||
print_report()
|
||
|
||
|