Построены графики

ProninVV/aufgabe-1-data-structures/aufg1.py

@@ -72,7 +72,6 @@ def ll_delete(head, name):
     return head
     
 
-
 def ll_list_all(head):
     
     """ собирает все записи в список и сортирует (сортировка вынесена отдельно) """
@@ -130,7 +129,6 @@ def ht_insert(buckets, name, phone):
     buckets[index] = ll_insert(buckets[index], name, phone)
 
 
-
 def ht_find(buckets, name):
     """  """
     idx = hash_func(name, len(buckets))

ProninVV/aufgabe-1-data-structures/graphiki.py

@@ -10,54 +10,122 @@ from scipy.optimize import curve_fit
 from numpy.polynomial import Polynomial
 
 
-folder_path = 'results' 
+# folder_path = 'results' 
 
-# 2. Список размеров (500, 1000, 2000, 5000, 10000)
-sizes = ['500', '1000', '2000', '5000', '10000']
+# # Список размеров (500, 1000, 2000, 5000, 10000)
+# sizes = ['500', '1000', '2000', '5000', '10000']
 
-for size in sizes:
-    files = glob.glob(os.path.join(folder_path, f'timedata_{size}_epochs_*.csv'))
+# for size in sizes:
+#     files = glob.glob(os.path.join(folder_path, f'timedata_{size}_epochs_*.csv'))
     
-    if not files:
-        continue
+#     if not files:
+#         continue
 
-    # Читаем файлы
-    dfs = [pd.read_csv(f) for f in files]
+#     # Читаем файлы
+#     dfs = [pd.read_csv(f) for f in files]
     
-    # 1. Определяем, какие колонки текстовые (не числовые)
-    # Предполагаем, что во всех файлах они одинаковые
-    text_cols = dfs[0].select_dtypes(exclude=['number']).columns.tolist()
+#     # Определяем, какие колонки текстовые (не числовые)
+#     # Предполагаем, что во всех файлах они одинаковые
+#     text_cols = dfs[0].select_dtypes(exclude=['number']).columns.tolist()
     
-    # 2. Объединяем и считаем среднее
-    # Группируем по текстовым колонкам, чтобы они остались в результате
-    if text_cols:
-        combined = pd.concat(dfs)
-        mean_df = combined.groupby(text_cols).mean().reset_index()
-    else:
-        # Если текста нет, просто среднее по строкам
-        mean_df = pd.concat(dfs).groupby(level=0).mean()
+#     # Объединяем и считаем среднее
+#     # Группируем по текстовым колонкам, чтобы они остались в результате
+#     if text_cols:
+#         combined = pd.concat(dfs)
+#         mean_df = combined.groupby(text_cols).mean().reset_index()
+#     else:
+#         # Если текста нет, просто среднее по строкам
+#         mean_df = pd.concat(dfs).groupby(level=0).mean()
 
    
-    output_name = f'average_timedata_{size}.csv'
-    mean_df.to_csv(os.path.join(folder_path, output_name), index=False)
-    print(f"Файл {output_name} успешно создан")
+#     output_name = f'average_timedata_{size}.csv'
+#     mean_df.to_csv(os.path.join(folder_path, output_name), index=False)
+#     print(f"Файл {output_name} успешно создан")
+
+
+df500 = pd.read_csv("results/average_timedata_500.csv") 
+df1000 = pd.read_csv("results/average_timedata_1000.csv") 
+df2000 = pd.read_csv("results/average_timedata_2000.csv") 
+df5000 = pd.read_csv("results/average_timedata_5000.csv") 
+df10000 = pd.read_csv("results/average_timedata_10000.csv") 
+
+
+def select_data_list(ax):
+    dfs = [df500, df1000, df2000, df5000, df10000]
+    Nvals = [500, 1000, 2000, 5000, 10000]
+    # delete, find, insert
+    # список:
+    valsSort = [list(arr[(arr['Структура'] == "linklist") & (arr['Режим'] == "sorted")]["Время (сек)"]) for arr in dfs]
+    valsShuff = [list(arr[(arr['Структура'] == "linklist") & (arr['Режим'] == "shuffled")]["Время (сек)"]) for arr in dfs]
+    # 0 - sorted 1 - shuffled
+    # delete
+    ax[0].plot(Nvals, [row[0] for row in valsSort], label="delete", color='red')
+    ax[1].plot(Nvals, [row[0] for row in valsShuff], color='red')
+    # find
+    ax[0].plot(Nvals, [row[1] for row in valsSort], label="find", color='blue')
+    ax[1].plot(Nvals, [row[1] for row in valsShuff], color='blue')
+    # insert
+    ax[0].plot(Nvals, [row[2] for row in valsSort], label="insert", color='green')
+    ax[1].plot(Nvals, [row[2] for row in valsShuff], color='green')
+    
+
+def select_data_hasht(ax):
+    dfs = [df500, df1000, df2000, df5000, df10000]
+    Nvals = [500, 1000, 2000, 5000, 10000]
+    # delete, find, insert
+    # список:
+    valsSort = [list(arr[(arr['Структура'] == "hashtable") & (arr['Режим'] == "sorted")]["Время (сек)"]) for arr in dfs]
+    valsShuff = [list(arr[(arr['Структура'] == "hashtable") & (arr['Режим'] == "shuffled")]["Время (сек)"]) for arr in dfs]
+    # 0 - sorted 1 - shuffled
+    # delete
+    ax[0].plot(Nvals, [row[0] for row in valsSort], label="delete", color='red')
+    ax[1].plot(Nvals, [row[0] for row in valsShuff], color='red')
+    # find
+    ax[0].plot(Nvals, [row[1] for row in valsSort], label="find", color='blue')
+    ax[1].plot(Nvals, [row[1] for row in valsShuff], color='blue')
+    # insert
+    ax[0].plot(Nvals, [row[2] for row in valsSort], label="insert", color='green')
+    ax[1].plot(Nvals, [row[2] for row in valsShuff], color='green')
+
+
+def select_data_tree(ax):
+    dfs = [df500, df1000, df2000, df5000, df10000]
+    Nvals = [500, 1000, 2000, 5000, 10000]
+    # delete, find, insert
+    # список:
+    valsSort = [list(arr[(arr['Структура'] == "bintree") & (arr['Режим'] == "sorted")]["Время (сек)"]) for arr in dfs]
+    valsShuff = [list(arr[(arr['Структура'] == "bintree") & (arr['Режим'] == "shuffled")]["Время (сек)"]) for arr in dfs]
+    # 0 - sorted 1 - shuffled
+    # delete
+    ax[0].plot(Nvals, [row[0] for row in valsSort], label="delete", color='red')
+    ax[1].plot(Nvals, [row[0] for row in valsShuff], color='red')
+    # find
+    ax[0].plot(Nvals, [row[1] for row in valsSort], label="find", color='blue')
+    ax[1].plot(Nvals, [row[1] for row in valsShuff], color='blue')
+    # insert
+    ax[0].plot(Nvals, [row[2] for row in valsSort], label="insert", color='green')
+    ax[1].plot(Nvals, [row[2] for row in valsShuff], color='green')
+
+# list(df500[(df500['Структура'] == "linklist") & (df500['Режим'] == "shuffled")]["Время (сек)"])
 
 # построение графика
-# fig, ax = plt.subplots(figsize=(8, 5))
+fig, ax = plt.subplots(figsize=(10, 5), nrows=1, ncols=2)
+for i in range(2):
+    # select_data_list(ax)
+    # select_data_hasht(ax)
+    select_data_tree(ax)
+    ax[0].set_title("График сложностей для дерева (sort)")
+    ax[1].set_title("График сложностей для дерева (shuff)")
+    ax[i].set_xlabel("N")        
+    ax[i].set_ylabel("сек * ")
+    ax[i].grid(which="major", linewidth=1.5)
+    ax[i].grid(which="minor", color="gray", linewidth=0.5)
+    ax[i].xaxis.set_minor_locator(AutoMinorLocator())
+    ax[i].yaxis.set_minor_locator(AutoMinorLocator())
+    ax[i].legend()
+    ax[i].set_ylim(0, 0.1)
+plt.savefig('graphics\Tree1.png', dpi=200)
+plt.savefig('graphics\Tre1.eps', dpi=200)
+plt.show()
 
 
-# ax.set_title("График зависимости фазы от частоты(сх5)")
-# ax.set_xlabel("v, Hz")        
-# ax.set_ylabel("phi, rad")
-# ax.grid(which="major", linewidth=1.5)
-# ax.grid(which="minor", color="gray", linewidth=0.5)
-# ax.xaxis.set_minor_locator(AutoMinorLocator())
-# ax.yaxis.set_minor_locator(AutoMinorLocator())
-# ax.axhline(y=0, color='black', linewidth=1, linestyle='-', alpha=0.7)  # Ось X (U=0)
-# ax.axvline(x=0, color='black', linewidth=1, linestyle='-', alpha=0.7)  # Ось Y (B=0)
-# ax.plot(1, 0, ">k", transform=ax.get_yaxis_transform(), clip_on=False)
-# ax.plot(0, 1, "^k", transform=ax.get_xaxis_transform(), clip_on=False)
-# ax.legend()
-# plt.savefig('graphics\zadanie3.png', dpi=200)
-# plt.savefig('graphics\zadanie3.eps', dpi=200)
-# plt.show()

ProninVV/aufgabe-1-data-structures/report/document.tex

@@ -53,6 +53,8 @@
 	
 	\section{Результаты и анализ}
 	Было проведено 5 опытов. 
+	\subsection{Связный список}
+	
 	
 	\section{Заключение}
 	% Ответ на вопрос о выборе структуры в реальной жизни