From 536c36b9fb4c9c45d2b0231dcbc27bfe5f330c3e Mon Sep 17 00:00:00 2001
From: semyanovra <ruslansemyanov20@gmail.com>
Date: Sun, 24 May 2026 21:03:05 +0000
Subject: [PATCH] Delete semyanovra/scr/generate_data.py

---
 semyanovra/scr/generate_data.py | 109 --------------------------------
 1 file changed, 109 deletions(-)
 delete mode 100644 semyanovra/scr/generate_data.py

diff --git a/semyanovra/scr/generate_data.py b/semyanovra/scr/generate_data.py
deleted file mode 100644
index b239ec1..0000000
--- a/semyanovra/scr/generate_data.py
+++ /dev/null
@@ -1,109 +0,0 @@
-"""
-Экспериментальная часть. Пункт 1: Генерация тестовых данных.
-Цель: создать список записей (имя, телефон) для дальнейшего тестирования
-структур данных (связный список, хеш-таблица, BST).
-
-Особенности реализации:
-- N = 10000 записей.
-- Два режима: случайный порядок и отсортированный по имени.
-- Имена генерируются равномерно (User_00000 ... User_09999) + небольшой
-  набор повторяющихся имен для создания коллизий в хеш-таблице.
-- Телефоны — случайные строки из 10 цифр.
-"""
-
-import random
-
-def generate_test_data(n=10000, duplicate_names_ratio=0.1):
-    """
-    Генерирует два набора записей: в случайном порядке и отсортированном.
-
-    Параметры:
-    - n: общее количество записей (по умолчанию 10000).
-    - duplicate_names_ratio: доля имен, которые будут повторяться (коллизии).
-      Например, 0.1 означает, что 10% записей будут использовать
-      имена из небольшого пула, остальные 90% — уникальные User_XXXXX.
-
-    Возвращает:
-    - records_shuffled: список кортежей (name, phone) в случайном порядке.
-    - records_sorted: тот же список, но отсортированный по имени.
-    """
-
-    # 1. Создаем пул уникальных имен (равномерное распределение)
-    #    Формат: User_00000, User_00001, ..., User_09999
-    unique_names = [f"User_{i:05d}" for i in range(n)]
-
-    # 2. Создаем небольшой пул имен для повторений (коллизий)
-    #    Например, 20 разных имен, которые будут многократно встречаться.
-    collision_pool_size = max(1, int(n * duplicate_names_ratio))  # ~1000 имен для 10000 записей (10%)
-    collision_names = [f"Common_{j:03d}" for j in range(collision_pool_size)]
-
-    # 3. Формируем итоговый список имен с повторениями
-    #    - Первые (n - collision_pool_size) записей — уникальные.
-    #    - Оставшиеся collision_pool_size записей — случайные из пула коллизий.
-    names = []
-    # Уникальная часть
-    names.extend(unique_names[:n - collision_pool_size])
-    # Часть с повторениями (для проверки коллизий в хеш-таблице)
-    for _ in range(collision_pool_size):
-        names.append(random.choice(collision_names))
-
-    # Перемешиваем имена, чтобы повторяющиеся имена не шли подряд
-    random.shuffle(names)
-
-    # 4. Генерируем случайные телефоны (10 цифр)
-    phones = []
-    for _ in range(n):
-        phone = ''.join(random.choices('0123456789', k=10))
-        phones.append(phone)
-
-    # 5. Собираем записи в список кортежей
-    records = list(zip(names, phones))
-
-    # 6. Создаем две версии: случайную и отсортированную
-    records_shuffled = records.copy()          # уже случайный порядок после shuffle
-    records_sorted = sorted(records, key=lambda x: x[0])  # сортировка по имени
-
-    return records_shuffled, records_sorted
-
-def print_sample(records, title, count=10):
-    """Вспомогательная функция: печатает первые count записей."""
-    print(f"\n{title} (первые {count} записей):")
-    for name, phone in records[:count]:
-        print(f"  {name}: {phone}")
-
-# ========== Демонстрация работы ==========
-if __name__ == "__main__":
-    # Фиксируем seed для воспроизводимости результатов
-    random.seed(42)
-
-    # Генерируем данные: N = 10000, доля коллизий 10%
-    N = 10000
-    shuffled, sorted_data = generate_test_data(N, duplicate_names_ratio=0.1)
-
-    # Выводим статистику и примеры
-    print(f"Сгенерировано {N} записей.")
-    print(f"Доля имен с повторениями (коллизиями): ~10%")
-
-    # Показываем несколько примеров из каждого набора
-    print_sample(shuffled, "Случайный порядок")
-    print_sample(sorted_data, "Отсортированный порядок")
-
-    # Дополнительно: проверка, что в отсортированном порядке имена действительно упорядочены
-    first_five_sorted = [name for name, _ in sorted_data[:5]]
-    print(f"\nПервые 5 имен в отсортированном наборе: {first_five_sorted}")
-    # Ожидается: ['Common_000', 'Common_001', ...] или 'User_...' — лексикографически
-
-    # Проверка наличия коллизий (повторяющихся имен)
-    unique_names_in_shuffled = set(name for name, _ in shuffled)
-    print(f"\nУникальных имен в случайном наборе: {len(unique_names_in_shuffled)}")
-    print(f"(меньше {N} из-за повторений для коллизий)")
-
-    # Сохраняем в файлы (опционально, для отладки)
-    # import csv
-    # with open("docs/data/records_shuffled.csv", "w") as f:
-    #     writer = csv.writer(f)
-    #     writer.writerows(shuffled)
-    # with open("docs/data/records_sorted.csv", "w") as f:
-    #     writer = csv.writer(f)
-    #     writer.writerows(sorted_data)
-