итоговая подготовка к пулл реквесту

.gitignore

@@ -7,7 +7,6 @@ __pycache__/
 # C extensions
 *.so
 
-.DS_Store
 # Distribution / packaging
 .Python
 build/
@@ -161,3 +160,19 @@ cython_debug/
 #  option (not recommended) you can uncomment the following to ignore the entire idea folder.
 #.idea/
 
+
+# Игнорируем CSV
+aufgabe-1-data-structures/results/timedata_*.csv
+
+# разрешаем средние данные
+!aufgabe-1-data-structures/results/aaverage_*.csv
+
+# Мусор LaTeX
+*.aux
+*.synctex.gz
+*.toc
+*.log
+
+
+
+

BudakovIS/docs/data/1-st-exercize/LinkedListPhoneBook.py

@@ -1,457 +0,0 @@
-head = None
-
-#node1 = {'name' : 'Ivan', 'phone' : '123-456', 'next' : None}
-#head = node1
-
-#node2 = {'name' : 'Dima', 'phone' : '789-123', 'next' : None}
-#node1['next'] = node2
-
-def ll_insert(head, name, phone):
-
-    curent = head
-    while curent is not None:
-        if curent['name'] == name:
-            curent['phone'] = phone
-            return head
-        curent = curent['next']
-
-
-    n_node = {'name' : name, 'phone' : phone, 'next' : None}
-
-    if head is None:
-        return n_node
-
-    curent = head
-    while curent['next'] is not None:
-        curent = curent['next']
-    curent['next'] = n_node
-    return head
-
-
-
-print("====== TESTING ll_insert FUNC ========")
-head = ll_insert(head,'Ivan','123-456')
-
-print(head)
-
-head = ll_insert(head, 'Boris', '123-456')
-
-print(head)
-
-head = ll_insert(head, 'Ivan', '321-654')
-
-print(head)
-
-head = ll_insert(head, 'Dima', '345-678')
-
-print(head)
-
-head = ll_insert(head, 'Boris', '111-222')
-
-print(head)
-
-head = ll_insert(head, 'Methody', '221-112')
-
-head = ll_insert(head, 'Kiril', '112-221')
-
-print(f"======= END TEST =======\n\n\n")
-
-
-def ll_find(head, name):
-    curent = head
-    while curent is not None:
-        if curent['name'] == name:
-            return curent['phone']
-        curent = curent['next']
-    return None
-
-print("====== TESTING ll_find FUNC ======")
-
-print("Ivan`s phone: "+ ll_find(head, 'Ivan'))
-
-print("Dima`s phone: "+ ll_find(head, 'Dima'))
-
-print("Boris phone: "+ ll_find(head, 'Boris'))
-
-print(f"====== END TEST ======\n\n\n")
-
-
-def ll_delete(head, name):
-    if head is None:
-        return None
-
-    if head['name'] == name:
-        return head['next']
-
-    prev = head
-    curent = head['next']
-    while curent is not None:
-        if curent['name'] == name:
-            prev['next'] = curent['next']
-            return head
-        prev = curent
-        curent = curent['next']
-    return head
-
-
-print("====== TEST ll_delete FUNC ======")
-
-print("Del of Dima:", ll_delete(head, 'Dima'))
-
-print("====== END TEST ======")
-
-
-def ll_list_all(head):
-    records = []
-    curent = head
-    while curent is not None:
-        records.append((curent['name'],curent['phone']))
-        curent = curent['next']
-    records.sort(key=lambda pair: pair[0])
-    return records
-
-print(f"\n\n\n\n")
-
-print("====== TESTING ll_list_all FUNC ======")
-
-print(ll_list_all(head))
-
-print("====== END ======")
-
-
-#============================== HASH FUNCTIONS =========================
-SIZE = 5
-buckets = [None] * SIZE
-
-
-
-def hash_function(name, size):
-    return hash(name) % size
-
-
-def ht_insert(buckets, name, phone):
-    index = hash_function(name, len(buckets))
-    head = buckets[index]
-    new_head = ll_insert(head, name, phone)
-    buckets[index] = new_head
-    return buckets
-
-print(f"\n\n\n ====== TEST INSERT HASH ======")
-print(buckets)
-ht_insert(buckets, "Ivan", "123-456")
-print(buckets)
-ht_insert(buckets, "Dima", "789-123")
-print(buckets)
-ht_insert(buckets, "Boris", "456-789")
-print(buckets)
-print("====== END TEST ======\n\n\n")
-
-
-def ht_find(buckets, name):
-    index = hash_function(name, len(buckets))
-    head = buckets[index]
-    return ll_find(head, name)
-
-print("====== TEST FIND HASH FUN ======")
-print("find by name Ivan: ",ht_find(buckets, "Ivan"))
-print("find by name Dima: ",ht_find(buckets, "Dima"))
-print("find by name Boris: ", ht_find(buckets, "Boris"))
-print("====== END TEST ======\n\n\n")
-
-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
-
-
-print("====== TEST FUNC LIST ALL ======")
-print(ht_list_all(buckets))
-print("====== END TEST ======\n\n\n")
-
-def ht_delete(buckets, name):
-    index = hash_function(name, len(buckets))
-    head = buckets[index]
-    new_head = ll_delete(head, name)
-    buckets[index] = new_head
-    return buckets
-
-
-print("====== GLOBAL TEST FOR HASH BASED FUN ======")
-buckets = [None] * 10
-
-ht_insert(buckets, "Ivan", "123-456")
-print(buckets)
-ht_insert(buckets, "Boris", "789-012")
-print(buckets)
-ht_insert(buckets, "Anna", "345-678")
-print(buckets)
-ht_insert(buckets, "Ivan", "111-222")  # update
-print(buckets)
-
-print("Find Ivan`s phone: ",ht_find(buckets, "Ivan"))   # 111-222
-print("Find Petr`s phone: ",ht_find(buckets, "Petr"))   # None
-
-# Удаляем
-print("delite Boris from buckets")
-ht_delete(buckets, "Boris")
-print("search Boris = ",ht_find(buckets, "Boris"))  # None
-
-# Все записи
-print("list all records: ",ht_list_all(buckets))
-print("====== END GLOBAL TEST ======\n\n\n")
-
-
-
-# ======================== TREE FUNC ====================
-
-def create_node(name,phone):
-    return {'name': name, 'phone': phone, 'left': None, 'right': None}
-
-print("====== START TREE FUNC CHAPTER ======\n\n")
-print("====== TEST CREATE NODE FUNC ======")
-root = create_node('Ivan', '123-456')
-print("Create Ivan node: ",root)
-print("====== END TEST ====== \n\n\n")
-
-def bst_insert(root, name, phone):
-    if root is None:
-        return create_node(name, phone)
-
-    if name == root['name']:
-        root['phone'] = phone
-    elif name < root['name']:
-        root['left'] = bst_insert(root['left'], name, phone)
-    else:
-        root['right'] = bst_insert(root['right'], name , phone)
-    return root
-
-print("====== TEST INSERT FUNC ======")
-root = bst_insert(root, 'Dima', '456-789')
-print("add Dima: ", root)
-root = bst_insert(root, 'Boris', '789-123')
-print("add Boris: ", root)
-root = bst_insert(root, 'Eva', '321-123')
-print("add Eva: ", root)
-print("====== END TEST =======\n\n\n")
-
-
-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)
-
-
-print("====== START FIND TEST ======")
-print("search by Ivan`s phone: ", bst_find(root, 'Ivan'))
-print("search by Eva`s phone: ", bst_find(root,'Eva'))
-print("====== END TEST ====== \n\n\n")
-
-
-
-def find_min(node):
-    while node['left'] is not None:
-        node = node['left']
-    return node
-
-
-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:
-        if root['left'] is None:
-            return root['right']
-        if root['right'] is None:
-            return root['left']
-
-        min_node = find_min(root['right'])
-        root['name'] = min_node['name']
-        root['phone'] = min_node['phone']
-
-        root['right'] = bst_delete(root['right'], min_node['name'])
-    return root
-
-
-
-def bst_list_all(root):
-    result = []
-    def inorder(node):
-        if node is None:
-            return
-        inorder(node['left'])
-        result.append((node['name'], node['phone']))
-        inorder(node['right'])
-    inorder(root)
-    return result
-
-
-print("====== GLOBAL TEST TREES ======")
-root = None
-
-root = bst_insert(root, "Ivan", "123-456")
-print("add Ivan: ", root)
-root = bst_insert(root, "Boris", "789-012")
-print("add Boris: ", root)
-root = bst_insert(root, "Anna", "345-678")
-print("add Anna: ", root)
-root = bst_insert(root, "Ivan", "111-222")  # обновление
-print("update Ivan: ", root)
-
-print("Find Ivan`s phone: ",bst_find(root, "Ivan"))    # 111-222
-print("Find Peter`s phone: ",bst_find(root, "Petr"))    # None
-
-root = bst_delete(root, "Boris")
-print("Del Boris")
-print("Find Boris: ",bst_find(root, "Boris"))   # None
-
-print("Find ALL: ",bst_list_all(root))        # [('Anna','345-678'), ('Ivan','111-222')]
-
-
-print("====== END TEST ======")
-
-
-    
-
-
-
-# ======================== EXPEREMENT CHAPTER ========================
-import random
-import time
-import csv
-import sys
-sys.setrecursionlimit(20000)
-
-def generate_records(n, seed=42):
-    random.seed(seed)
-    records = []
-    for i in range(1, n+1):
-        name = f"User_{i:05d}"
-        phone = f"{random.randint(100,999)}-{random.randint(1000,9999)}"
-        records.append((name, phone))
-    return records
-
-def prepare_datasets(base_records):
-    shuffled = base_records.copy()
-    random.shuffle(shuffled)
-    sorted_records = sorted(base_records, key=lambda x: x[0])
-    return shuffled, sorted_records
-
-def run_experiment(struct_funcs, records, mode_name, repeats=5):
-    results = []
-    for rep in range(repeats):
-        struct = struct_funcs['create']()
-        
-        # enter all records
-        start = time.perf_counter()
-        for name, phone in records:
-            struct = struct_funcs['insert'](struct, name, phone)
-        end = time.perf_counter()
-        insert_time = end - start
-        
-        # search for 110 records (100 real + 10 None)
-        existing_names = [name for name, _ in records]
-        sample_existing = random.sample(existing_names, 100)
-        nonexistent = [f"None_{i}" for i in range(10)]
-        search_names = sample_existing + nonexistent
-        random.shuffle(search_names)
-        
-        start = time.perf_counter()
-        for name in search_names:
-            _ = struct_funcs['find'](struct, name)
-        end = time.perf_counter()
-        find_time = end - start
-        
-        # delete 10 random records
-        to_delete = random.sample(existing_names, 10)
-        start = time.perf_counter()
-        for name in to_delete:
-            struct = struct_funcs['delete'](struct, name)
-        end = time.perf_counter()
-        delete_time = end - start
-        
-        results.append({
-            'structure': struct_funcs['name'],
-            'mode': mode_name,
-            'repetition': rep+1,
-            'insert_time': insert_time,
-            'find_time': find_time,
-            'delete_time': delete_time
-        })
-    return results
-
-def main():
-    N = 1000
-    base_records = generate_records(N)
-    shuffled, sorted_records = prepare_datasets(base_records)
-    
-    structures = {
-        'LinkedList': {
-            'name': 'LinkedList',
-            'create': lambda: None,
-            'insert': ll_insert,
-            'find': ll_find,
-            'delete': ll_delete,
-            'list_all': ll_list_all
-        },
-        'HashTable': {
-            'name': 'HashTable',
-            'create': lambda: [None] * 10,
-            'insert': ht_insert,
-            'find': ht_find,
-            'delete': ht_delete,
-            'list_all': ht_list_all
-        },
-        'BST': {
-            'name': 'BST',
-            'create': lambda: None,
-            'insert': bst_insert,
-            'find': bst_find,
-            'delete': bst_delete,
-            'list_all': bst_list_all
-        }
-    }
-    
-    all_results = []
-    repeats = 5
-    
-    for struct_name, funcs in structures.items():
-        print(f"Testing {struct_name} on random order...")
-        res = run_experiment(funcs, shuffled, 'random', repeats)
-        all_results.extend(res)
-        
-        print(f"Testing {struct_name} in sorted order...")
-        res = run_experiment(funcs, sorted_records, 'sorted', repeats)
-        all_results.extend(res)
-    
-    with open('experiment_results.csv', 'w', newline='', encoding='utf-8') as f:
-        writer = csv.writer(f)
-        writer.writerow(['Structure', 'Mode', 'Repeat', 'Insert (sec)', 'Search (sec)', 'Delete (sec)'])
-        for r in all_results:
-            writer.writerow([
-                r['structure'],
-                r['mode'],
-                r['repetition'],
-                f"{r['insert_time']:.6f}",
-                f"{r['find_time']:.6f}",
-                f"{r['delete_time']:.6f}"
-            ])
-    
-    print("The experiment is complete. The results are saved in experiment_results.csv.")
-
-if __name__ == '__main__':
-    main()

BudakovIS/docs/data/1-st-exercize/experiment_results.csv

@@ -1,31 +0,0 @@
-Structure,Mode,Repeat,Insert (sec),Search (sec),Delete (sec)
-LinkedList,random,1,0.140358,0.007040,0.000844
-LinkedList,random,2,0.138009,0.009197,0.000413
-LinkedList,random,3,0.114717,0.009266,0.000744
-LinkedList,random,4,0.117224,0.006914,0.000531
-LinkedList,random,5,0.136302,0.010432,0.000582
-LinkedList,sorted,1,0.106921,0.007845,0.000566
-LinkedList,sorted,2,0.116404,0.015005,0.004900
-LinkedList,sorted,3,0.125122,0.006956,0.000708
-LinkedList,sorted,4,0.122401,0.004220,0.000474
-LinkedList,sorted,5,0.111422,0.008343,0.000551
-HashTable,random,1,0.025442,0.004652,0.000078
-HashTable,random,2,0.035477,0.000985,0.000091
-HashTable,random,3,0.015387,0.001249,0.000298
-HashTable,random,4,0.014196,0.001167,0.000096
-HashTable,random,5,0.013819,0.000910,0.000094
-HashTable,sorted,1,0.013713,0.000897,0.000060
-HashTable,sorted,2,0.016816,0.001013,0.000116
-HashTable,sorted,3,0.018408,0.001019,0.000084
-HashTable,sorted,4,0.014490,0.000886,0.000093
-HashTable,sorted,5,0.012493,0.000867,0.000075
-BST,random,1,0.006755,0.000468,0.000065
-BST,random,2,0.006454,0.000380,0.000052
-BST,random,3,0.003348,0.000266,0.000033
-BST,random,4,0.004785,0.000379,0.000053
-BST,random,5,0.005253,0.000438,0.000083
-BST,sorted,1,0.331066,0.028260,0.002915
-BST,sorted,2,0.342009,0.025769,0.003155
-BST,sorted,3,0.282425,0.031293,0.002984
-BST,sorted,4,0.313816,0.022712,0.002957
-BST,sorted,5,0.287008,0.032645,0.002415

BudakovIS/docs/data/1-st-exercize/plot_results.py

@@ -1,44 +0,0 @@
-import pandas as pd
-import matplotlib.pyplot as plt
-import numpy as np
-
-# Загрузка данных
-df = pd.read_csv('experiment_results.csv')
-
-# Усреднение по повторам
-mean_times = df.groupby(['Structure', 'Mode'])[['Insert (sec)', 'Search (sec)', 'Delete (sec)']].mean().reset_index()
-
-# Подготовка данных для графиков
-structures = mean_times['Structure'].unique()
-modes = mean_times['Mode'].unique()
-
-# Создание трех графиков (вставка, поиск, удаление)
-fig, axes = plt.subplots(1, 3, figsize=(15, 5))
-
-operations = ['Insert (sec)', 'Search (sec)', 'Delete (sec)']
-titles = ['Вставка', 'Поиск', 'Удаление']
-
-for ax, op, title in zip(axes, operations, titles):
-    # Для каждой структуры строим две колонки (random, sorted)
-    x = np.arange(len(structures))
-    width = 0.35
-    
-    random_vals = []
-    sorted_vals = []
-    for s in structures:
-        random_row = mean_times[(mean_times['Structure']==s) & (mean_times['Mode']=='random')]
-        sorted_row = mean_times[(mean_times['Structure']==s) & (mean_times['Mode']=='sorted')]
-        random_vals.append(random_row[op].values[0] if not random_row.empty else 0)
-        sorted_vals.append(sorted_row[op].values[0] if not sorted_row.empty else 0)
-    
-    ax.bar(x - width/2, random_vals, width, label='Случайный')
-    ax.bar(x + width/2, sorted_vals, width, label='Отсортированный')
-    ax.set_xticks(x)
-    ax.set_xticklabels(structures)
-    ax.set_ylabel('Время (сек)')
-    ax.set_title(title)
-    ax.legend()
-
-plt.tight_layout()
-plt.savefig('../../performance_comparison.png', dpi=150)
-plt.show()

BudakovIS/docs/report_1-st-exersize.md

@@ -1,60 +0,0 @@
-# Отчёт по лабораторной работе "Структуры данных"
-
-## 1. Введение
-В рамках работы были реализованы три структуры данных для хранения телефонного справочника: связный список, хеш-таблица и двоичное дерево поиска. Проведено экспериментальное сравнение производительности операций вставки, поиска и удаления на наборе из **10 000 записей**. Для каждой структуры тестирование выполнялось на двух вариантах входных данных: случайный порядок и отсортированный по имени. Каждый эксперимент повторялся 5 раз, результаты усреднены.
-
-## 2. Результаты измерений
-Усреднённые времена (в секундах) представлены в таблице:
-
-| Структура   | Режим       | Вставка, с | Поиск, с | Удаление, с |
-|-------------|-------------|------------|----------|-------------|
-| LinkedList  | случайный   | 0.1143     | 0.0078   | 0.00065     |
-| LinkedList  | сортир.     | 0.1124     | 0.0068   | 0.00065     |
-| HashTable   | случайный   | 0.0131     | 0.00109  | 0.000085    |
-| HashTable   | сортир.     | 0.0156     | 0.00110  | 0.00014     |
-| BST         | случайный   | 0.00532    | 0.000365 | 0.000053    |
-| BST         | сортир.     | 0.303      | 0.0230   | 0.00268     |
-
-Графическое представление результатов приведено на рисунке ниже.
-
-![Сравнение производительности](performance_comparison.png)
-
-## 3. Анализ результатов
-
-### 3.1. Влияние порядка данных на BST
-При вставке элементов в отсортированном порядке двоичное дерево поиска вырождается в линейный список – все новые узлы добавляются только в правое поддерево. Высота дерева становится равной количеству элементов, и сложность всех операций возрастает до **O(n)**. Эксперимент подтверждает это:  
-- Вставка в BST на отсортированных данных заняла **0.303 с**, что в **57 раз** больше, чем на случайных (0.00532 с).  
-- Время вставки на отсортированных данных даже превышает показатели связного списка (0.112 с), что объясняется дополнительными накладными расходами на рекурсивные вызовы.  
-- Поиск и удаление также замедлились примерно в 60 раз по сравнению со случайным режимом.
-
-### 3.2. Устойчивость хеш-таблицы к порядку
-Хеш-таблица использует хеш-функцию, которая равномерно распределяет ключи по корзинам независимо от порядка поступления. Поэтому производительность операций практически не зависит от того, в каком порядке приходят данные:  
-- В случайном и отсортированном режимах времена вставки (0.0131 и 0.0156 с) и поиска (около 0.0011 с) близки.  
-- Небольшие колебания могут быть вызваны случайным распределением коллизий.  
-- Это соответствует ожидаемой средней сложности **O(1)**.
-
-### 3.3. Медлительность связного списка при поиске
-Связный список не обеспечивает прямого доступа к элементам – для поиска необходимо просматривать узлы последовательно, что даёт сложность **O(n)**. В эксперименте:  
-- Время поиска в списке (~0.007 с) на порядок больше, чем в хеш-таблице (0.0011 с) и BST на случайных данных (0.00037 с).  
-- При увеличении объёма данных эта разница будет только расти.  
-- Вставка в список также относительно медленна (0.11 с), так как требует прохода до конца (хотя обновление существующего имени выполняется быстрее, но в тесте все имена уникальны, поэтому каждая вставка проходит весь список).
-
-### 3.4. Сравнение удаления
-- **Связный список**: удаление требует сначала найти элемент (O(n)), затем переставить ссылки (O(1)). Время удаления (0.00065 с) близко ко времени поиска, что логично.  
-- **Хеш-таблица**: удаление выполняется за O(1) в среднем – сначала определяется корзина, затем из короткого списка удаляется элемент. Время удаления (0.000085–0.00014 с) значительно меньше, чем в списке.  
-- **BST**: на случайных данных удаление очень быстрое (0.000053 с) благодаря логарифмической высоте. На отсортированных данных время возрастает до 0.00268 с (в 50 раз), что отражает деградацию до O(n).
-
-## 4. Выводы и рекомендации по выбору структуры
-
-На основе полученных результатов можно сформулировать следующие рекомендации:
-
-- **Хеш-таблица** – оптимальный выбор, если требуется максимальная скорость поиска, вставки и удаления, а порядок хранения не важен. Примеры: реализация словарей, кэшей, индексов по ключу. В эксперименте хеш-таблица показала стабильно высокую производительность во всех режимах.
-
-- **Двоичное дерево поиска** – следует применять, когда необходимо получать данные в отсортированном порядке (например, вывод телефонного справочника по алфавиту). Однако важно учитывать, что при поступлении отсортированных данных дерево вырождается, и производительность резко падает. В таких случаях лучше использовать сбалансированные деревья (AVL, красно-чёрные). В эксперименте BST на случайных данных показал отличные результаты, близкие к хеш-таблице, а на отсортированных – стал самым медленным.
-
-- **Связный список** – практически непригоден для больших объёмов данных из-за линейной сложности основных операций. Может использоваться лишь для очень маленьких коллекций, при частых вставках в начало списка (здесь не рассматривалось) или в учебных целях.
-
-Таким образом, для реальных задач чаще всего выбирают хеш-таблицы или сбалансированные деревья в зависимости от требований к упорядоченности данных.
-
-
-I use arch BTW

Ezhovnd/425.md

@@ -1 +0,0 @@
-hi

KuzminskiyAA/427.md

@@ -1 +0,0 @@
-

KuznetsovYuM/428.md

@@ -1 +0,0 @@
-428

MalkinMV/428b.md

@@ -1 +0,0 @@
-428b

MininaVD/427.txt

@@ -1 +0,0 @@
-427.txt 

MininaVD/MininaVD

@@ -1 +0,0 @@
-427.txt 

MylnikovAS/427.md

@@ -1 +0,0 @@
-

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

@@ -0,0 +1,250 @@
+# LInkedList (Node = List = {'name': 'Имя', 'phone': '123', 'next': None}) имена уникальные (id)
+
+
+def ll_insert(head, name, phone):
+
+    """ проходит до конца (или сразу добавляет в конец) и возвращает новую голову
+      (если вставка в начало) или изменяет список по ссылке. Удобнее возвращать новую
+        голову, если вставка может быть в начало """
+    
+    new_node = {'name': name, 'phone': phone, 'next': None}
+
+    # если списка не было
+    if head is None:
+        return new_node
+    
+    # # вставка в начало O(1)
+    # new_node = {'name': name, 'phone': phone, 'next': head}
+    # return new_node
+
+    # вставка в конец O(n)
+    current = head
+    while current['next'] is not None:
+        # проверка существования данного идентификатора (обновляем запись)
+        if current['name'] == name:
+            current['phone'] = phone
+            return head
+        current = current['next']
+    
+    # проверка на id
+    if current['name'] == name:
+        current['phone'] = phone
+    else:   current['next'] = new_node
+    return head
+
+
+def ll_find(head, name):
+
+    """  ищет узел, возвращает телефон или None """
+
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            return current['phone']
+        current = current['next']
+    
+    return None
+    
+
+def ll_delete(head, name):
+    
+    """  удаляет узел, возвращает новую голову """
+
+    if head is None:
+        return None
+
+    # Удаление первого 
+    if head['name'] == name:
+        new_head = head['next']
+        head['next'] = None 
+        return new_head
+
+    # Если не первый
+    current = head
+    while current['next'] is not None:
+        if current['next']['name'] == name:
+            target = current['next']
+            current['next'] = target['next']
+            target['next'] = None
+            return head
+        current = current['next']
+    
+    return head
+    
+
+def ll_list_all(head):
+    
+    """ собирает все записи в список и сортирует (сортировка вынесена отдельно) """
+
+    length = ll_Lenght(head)
+    new_list = [None]*length
+    current = head
+    for i in range(length):
+        new_list[i] = (current['name'], current['phone'])
+        current = current['next']
+    sorten(new_list)
+    return new_list
+        
+
+# вспомогательные функции--------------------------------
+def ll_Lenght(head):
+    # длина связного списка
+    counter = 0
+    curr = head
+    while curr:
+        counter += 1
+        curr = curr['next']
+    return counter
+
+
+def sorten(arr):
+    n = len(arr)
+    for i in range(n):
+        for j in range(0, n - i - 1):
+            if arr[j][0] > arr[j + 1][0]:
+                arr[j], arr[j + 1] = arr[j + 1], arr[j]
+# -----------------------------------------------------------
+
+# HashTable (Хранится как список buckets фиксированной длины, каждый элемент — голова связного списка (или None))
+
+def hash_table(size):
+    return [None]*size
+
+
+def hash_func(name, buckets_count):
+    h = 0
+    for char in name:
+        h += ord(char)
+    return h % buckets_count
+
+
+def ht_insert(buckets, name, phone):
+
+    """ вычисляет индекс, вызывает ll_insert для соответствующего бакета """
+
+    if buckets is None:
+        return 
+
+    index = hash_func(name, len(buckets))
+    buckets[index] = ll_insert(buckets[index], name, phone)
+
+
+def ht_find(buckets, name):
+    """  """
+    idx = hash_func(name, len(buckets))
+    return ll_find(buckets[idx], name)
+
+
+def ht_delete(buckets, name):
+    idx = hash_func(name, len(buckets))
+    buckets[idx] = ll_delete(buckets[idx], name)
+
+
+def ht_list_all(buckets):
+
+    """ собирает все записи из всех бакетов и сортирует """
+    total_count = 0
+    for head in buckets:
+        total_count += ll_Lenght(head)
+
+    full_data = [None]*total_count
+
+    k = 0
+    for head in buckets:
+        curr = head
+        while curr:
+            full_data[k] = (curr['name'], curr['phone'])
+            k += 1
+            curr = curr['next']
+        
+    sorten(full_data)
+    return full_data
+
+
+# Двоичное дерево поиска : Узел — словарь: {'name': 'Имя', 'phone': '123', 'left': None, 'right': None}
+
+def bst_insert(root, name, phone):
+
+    """ рекурсивно или итеративно вставляет, возвращает новый корень (если корень меняется) """
+
+    new_node = {'name': name, 'phone': phone, 'left': None, 'right': None}
+
+    # если дерева нет
+    if root is None:
+        return new_node
+    
+    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
+    
+
+def bst_find(root, name):
+
+    """ поиск """
+    
+    if root is None:
+        return None
+
+    if root['name'] == name:
+        return root['phone']
+
+    elif name < root['name']:
+        return bst_find(root['left'], name)
+
+    elif name > root['name']:
+        return bst_find(root['right'], name)
+
+
+def bst_delete(root, name):
+
+    """ удаление, возвращает новый корень """
+
+    if root is None:
+        return None
+    
+    # спускаемся к нужному узлу (аналогично поиску)
+    elif name < root['name']:
+        root['left'] = bst_delete(root['left'], name)
+
+    elif name > root['name']:
+        root['right'] = bst_delete(root['right'], name)
+
+    # стоим в нужном узле
+    else:
+        # узла слева нет (вернет правого ребенка или None)
+        if root['left'] is None:
+            return root['right']
+            
+        # узла справа нет (вернет левого ребенка)
+        if root['right'] is None:
+            return root['left']
+        
+        # два наследника (поиск минимального поддерева в правой ветке)
+
+        successor = root['right']
+        while successor['left'] is not None:
+            successor = successor['left']
+
+        root['name'] = successor['name']
+        root['phone'] = successor['phone']
+        # Удаляем дубликат преемника в правом поддереве
+        root['right'] = bst_delete(root['right'], successor['name'])
+
+        
+    return root
+    
+
+def bst_list_all(root, result=None): 
+    """ центрированный обход (рекурсивно собирает записи в отсортированном порядке) """
+    if result is None:
+        result = []
+    # сначала спускаемся по левой стороне вниз, затем идем вверх и вправо 
+    if root is not None:
+        bst_list_all(root['left'], result)
+        result.append((root['name'], root['phone']))
+        bst_list_all(root['right'], result)
+    return result

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

@@ -0,0 +1,20 @@
+import pandas as pd
+import glob
+
+folder_path = 'results' 
+
+sizes = ['500', '1000', '2000', '5000', '10000']
+
+
+for size in sizes:
+    files = glob.glob(f'{folder_path}/timedata_{size}_epochs_*.csv')
+
+    data = [pd.read_csv(f)['Время (сек)'] for f in files]
+
+    datatomean = pd.concat(data, axis=1)
+    datamean = datatomean.mean(axis=1)
+
+    df = pd.read_csv(files[0])
+    df['Время (сек)'] = datamean
+
+    df.to_csv(f'results/aaverage_timedata_{size}.csv', index=False)

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

@@ -0,0 +1,94 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+from matplotlib.ticker import AutoMinorLocator
+
+df500 = pd.read_csv("results/aaverage_timedata_500.csv") 
+df1000 = pd.read_csv("results/aaverage_timedata_1000.csv") 
+df2000 = pd.read_csv("results/aaverage_timedata_2000.csv") 
+df5000 = pd.read_csv("results/aaverage_timedata_5000.csv") 
+df10000 = pd.read_csv("results/aaverage_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')
+
+# построение графика
+def design_show_graph(title, version, ymaxlim):
+    fig, ax = plt.subplots(figsize=(10, 5), nrows=1, ncols=2)
+    for i in range(2):
+        match title:
+            case "Tree":
+                select_data_tree(ax)
+            case "Linklist":
+                select_data_list(ax)
+            case "hasht":
+                select_data_hasht(ax)
+        ax[0].set_title(f"График сложностей для {title} (sort)")
+        ax[1].set_title(f"График сложностей для {title} (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, ymaxlim)
+    plt.savefig(f'graphics\{title}{version}.png', dpi=200)
+    plt.savefig(f'graphics\T{title}{version}.eps', dpi=200)
+    plt.show()
+
+
+design_show_graph("hasht", 2, 0.4)

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

@@ -0,0 +1,136 @@
+\input{preambule.tex}
+
+
+
+
+\begin{document}
+	
+	% --- ТИТУЛЬНЫЙ ЛИСТ (упрощенно) ---
+	\begin{titlepage}
+		\centering
+		МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РФ \\
+		«Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского» \\
+		\vspace{4cm}
+		\Large ОТЧЕТ К ЛАБОРАТОРНОЙ РАБОТЕ \\
+		\vspace{1cm}
+		\large «Реализация и экспериментальное сравнение базовых структур данных на примере телефонного справочника» \\
+		\vspace{4cm}
+		\flushright
+		Выполнил: студент В. В. Пронин \\
+		Преподаватель: Н. С. Морозов \\
+		\vfill
+		Нижний Новгород \\
+		2024
+	\end{titlepage}
+	
+	\newpage
+	\tableofcontents
+	\newpage
+	
+	\section{Введение}
+	
+	Эффективность программных систем во многом определяется выбором способов организации данных в оперативной памяти. Задача разработки телефонного справочника является классическим примером, требующим баланса между скоростью вставки новых записей, поиском по ключу и эффективным удалением.
+	
+	В рамках данной работы исследуются три фундаментальные структуры данных, реализованные «с нуля» в процедурной парадигме программирования на языке Python:
+	\begin{itemize}
+		\item \textbf{Связный список (Linked List)} --- динамическая структура, позволяющая оценить базовые механизмы управления указателями и демонстрирующая линейную сложность операций $O(n)$.
+		\item \textbf{Хеш-таблица (Hash Table)} --- ассоциативный массив, использующий хеширование для обеспечения прямого доступа к данным. Реализация позволяет изучить методы разрешения коллизий и преимущества константной сложности $O(1)$.
+		\item \textbf{Двоичное дерево поиска (BST)} --- иерархическая структура, обеспечивающая логарифмическую скорость доступа $O(\log n)$ и поддерживающая упорядоченность данных «из коробки».
+	\end{itemize}
+	
+	\textbf{Цель работы:} Изучить внутренние алгоритмы работы перечисленных структур, реализовать их без использования встроенных высокоуровневых контейнеров и экспериментально подтвердить теоретические оценки временной сложности на случайных и отсортированных наборах данных.
+	
+	\section{Реализация структур данных}
+	\subsection{Связный список}
+	% Здесь опишите логику ll_insert, ll_find и ll_delete
+	\subsection{Хеш-таблица}
+	% Опишите хеш-функцию и метод цепочек
+	\subsection{Двоичное дерево поиска}
+	% Опишите рекурсивные алгоритмы и проблему деградации
+	
+	\section{Методика эксперимента}
+	Замеры производились для наборов данных объемом $N=500, 1000, 2000, 5000, 10000$ элементов. Использовались два сценария: перемешанные (\textit{shuffled}) и отсортированные по алфавиту (\textit{sorted}) записи. Каждая операция выполнялась 5 раз с последующим вычислением среднего арифметического значения с помощью функции \texttt{time.perf\_counter()}.
+	
+	\section{Результаты и анализ}
+	Было проведено серию опытов для $N$ от 500 до 10000. 
+	\subsection*{1. Бинарное дерево поиска (BST) и влияние порядка}
+	
+	\begin{figure}[H]
+		\centering
+		\includegraphics[scale=0.7]{plots/TTree1.eps}
+		\caption{Зависимость времени выполнения операций в BST от объема данных}
+	\end{figure}
+	
+	\begin{figure}[H]
+		\centering
+		\includegraphics[scale=0.7]{plots/TTree2.eps}
+	\end{figure}
+	
+	\begin{itemize}
+		\item \textbf{Деградация на отсортированных данных:} При вставке отсортированных данных время увеличилось с \textbf{0.124с} ($N=1000$) до \textbf{13.27с} ($N=10000$). Рост времени в 100 раз при увеличении объема данных в 10 раз четко указывает на квадратичную сложность $O(n^2)$ для процесса заполнения всей структуры. Дерево выродилось в линейный список, и поиск места вставки стал занимать $O(n)$ вместо ожидаемого $O(\log n)$.
+		\item \textbf{Эффективность на перемешанных данных:} На \texttt{shuffled} данных вставка 10000 элементов заняла всего \textbf{0.031с}. Это подтверждает логарифмическую сложность $O(\log n)$ для операций в дереве при случайном распределении ключей.
+	\end{itemize}
+	
+	\subsection*{2. Хеш-таблица: Стабильность и скорость}
+	
+	\begin{figure}[H]
+		\centering
+		\includegraphics[scale=0.7]{plots/Thasht1.eps}
+	\end{figure}
+	
+	\begin{figure}[H]
+		\centering
+		\includegraphics[scale=0.7]{plots/Thasht2.eps}
+	\end{figure}
+	
+	\begin{itemize}
+		\item \textbf{Чувствительность к порядку:} Хеш-таблица показала идентичные результаты как на \texttt{shuffled}, так и на \texttt{sorted} данных (около \textbf{0.165с} -- \textbf{0.167с} для 10000 вставок). Это объясняется тем, что хеш-функция распределяет ключи по бакетам независимо от их исходного порядка, предотвращая деградацию структуры.
+		\item \textbf{Превосходство:} На больших объемах хеш-таблица оказалась самой быстрой структурой для поиска и удаления ($\approx 0.001$с при $N=10000$), что подтверждает теоретическую среднюю сложность $O(1)$.
+		\item \textbf{Замечание:} Так как реализация использует списки для разрешения коллизий со вставкой в конец, при заполнении таблицы наблюдается рост времени вставки, стремящийся к квадратичному, однако абсолютные значения остаются на порядки ниже, чем у выродившегося BST.
+	\end{itemize}
+	\subsection*{3. Связный список: Линейная зависимость}
+	\begin{figure}[H]
+		\centering
+		\includegraphics[scale=0.7]{plots/Tlinklist1.eps}
+	\end{figure}
+	
+	\begin{figure}[H]
+		\centering
+		\includegraphics[scale=0.7]{plots/Tlinklist2.eps}
+	\end{figure}
+	
+	\begin{itemize}
+		\item \textbf{Поиск и удаление:} Связный список показал худшие результаты среди всех структур на случайных данных. Время поиска при 10000 элементах (\textbf{0.029с}) значительно медленнее, чем у BST на перемешанных данных (\textbf{0.0002с}). Это подтверждает линейную сложность $O(n)$.
+		\item \textbf{Вставка:} Вставка (вероятно, в конец или с сохранением порядка) дает $O(n^2)$ при заполнении (\textbf{2.83с} -- \textbf{3.00с} на 10000 эл.). Характер роста времени при переходе от $N=5000$ (\textbf{0.71с}) к $N=10000$ подтверждает квадратичную зависимость.
+	\end{itemize}
+	
+	\subsection*{Вывод: выбор структуры данных}
+	\begin{enumerate}
+		\item \textbf{Хеш-таблица} — наиболее универсальный выбор. Она обеспечивает стабильное $O(1)$ для поиска и не зависит от порядка входящих данных. 
+		\item \textbf{BST} — крайне эффективен ($O(\log n)$) при случайном распределении данных, но без механизмов самобалансировки критически уязвим к отсортированным входным последовательностям, замедляясь до уровня списка.
+		\item \textbf{Связный список} — продемонстрировал самую низкую производительность на операциях поиска и массовой вставки. Его использование оправдано только в специфических сценариях (например, реализация стека), где работа ведется исключительно с головой списка за $O(1)$.
+	\end{enumerate}
+
+	
+	\subsection*{Сводная таблица результатов}
+	\begin{table}[H]
+		\centering
+		\small
+		\begin{tabular}{|l|l|c|c|c|c|c|}
+			\hline
+			\textbf{Структура} & \textbf{Режим} & \textbf{Опер.} & \textbf{N=500} & \textbf{N=1000} & \textbf{N=5000} & \textbf{N=10000} \\ \hline
+			\multirow{3}{*}{LinkList} & Shuffled & Insert & 0.0066 & 0.0292 & 0.7089 & 2.8358 \\ 
+			& Shuffled & Find & 0.0012 & 0.0026 & 0.0147 & 0.0289 \\ 
+			& Sorted & Insert & 0.0065 & 0.0290 & 0.7637 & 3.0042 \\ \hline
+			\multirow{3}{*}{HashTable} & Shuffled & Insert & 0.0007 & 0.0022 & 0.0468 & 0.1670 \\ 
+			& Shuffled & Find & 0.0001 & 0.0002 & 0.0008 & 0.0014 \\ 
+			& Sorted & Insert & 0.0007 & 0.0022 & 0.0448 & 0.1646 \\ \hline
+			\multirow{3}{*}{BinTree} & Shuffled & Insert & 0.0009 & 0.0021 & 0.0145 & 0.0309 \\ 
+			& Shuffled & Find & 0.0001 & 0.0001 & 0.0002 & 0.0002 \\ 
+			& Sorted & Insert & \textbf{0.0298} & \textbf{0.1239} & \textbf{3.3052} & \textbf{13.2706} \\ \hline
+		\end{tabular}
+		\caption{Сравнение минимального времени выполнения операций (в секундах) в зависимости от объема данных $N$}
+	\end{table}
+	
+
+\end{document}

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

@@ -0,0 +1,46 @@
+%\documentclass[a4paper, 12pt]{article}
+\documentclass[a4paper, 14pt]{extarticle}
+
+\usepackage[english, russian]{babel}
+\usepackage[T2A]{fontenc}
+\usepackage[utf8]{inputenc}
+\usepackage{comment}
+
+\usepackage{multirow}
+\usepackage{fontspec}
+\setmainfont{Times New Roman}
+
+\usepackage{amsmath}
+\usepackage{amssymb}
+
+\usepackage{geometry}
+\usepackage{titleps}
+\usepackage{graphicx}
+\DeclareGraphicsExtensions{.pdf, .jpg}
+\usepackage{wrapfig}
+
+
+\usepackage{indentfirst}
+
+
+\geometry{top=20mm}
+\geometry{bottom=25mm}
+\geometry{left=30mm}
+\geometry{right=10mm}
+
+\usepackage{float}
+\usepackage{wrapfig}
+
+\newpagestyle{main}{
+	\setheadrule{0.4pt}
+	\sethead{ННГУ им Н.И. Лобачесвкого}{}{В. В. Пронин}
+	
+	\setfoot{}{\thepage}{}
+}
+\pagestyle{main}
+%\setcounter{page}{2}
+
+\linespread{1.5}
+\setlength{\parindent}{10mm}
+\setlength{\parskip}{1ex}
+

ProninVV/aufgabe-1-data-structures/results/aaverage_timedata_1000.csv

@@ -0,0 +1,19 @@
+Структура,Режим,Операция,Время (сек)
+linklist,shuffled,insert,0.02917951999970676
+linklist,shuffled,find,0.00256621999997146
+linklist,shuffled,delete,0.0018302000000403
+hashtable,shuffled,insert,0.00223439999972464
+hashtable,shuffled,find,0.00018408000032643998
+hashtable,shuffled,delete,0.00013254000023147998
+bintree,shuffled,insert,0.00211651999998134
+bintree,shuffled,find,0.00014015999986434
+bintree,shuffled,delete,7.299999997485429e-05
+linklist,sorted,insert,0.02902601999994654
+linklist,sorted,find,0.00272362000014248
+linklist,sorted,delete,0.0017690399998172598
+hashtable,sorted,insert,0.00219620000007122
+hashtable,sorted,find,0.00018717999992074
+hashtable,sorted,delete,0.00011756000003512
+bintree,sorted,insert,0.12391134000008604
+bintree,sorted,find,0.0079993400002422
+bintree,sorted,delete,0.004170019999764881

ProninVV/aufgabe-1-data-structures/results/aaverage_timedata_10000.csv

@@ -0,0 +1,19 @@
+Структура,Режим,Операция,Время (сек)
+linklist,shuffled,insert,2.835846880000099
+linklist,shuffled,find,0.02894071999999136
+linklist,shuffled,delete,0.017179720000240158
+hashtable,shuffled,insert,0.16700972000016914
+hashtable,shuffled,find,0.0014067599999179402
+hashtable,shuffled,delete,0.00103095999966166
+bintree,shuffled,insert,0.030944720000115878
+bintree,shuffled,find,0.00019450000017964003
+bintree,shuffled,delete,9.787999988471869e-05
+linklist,sorted,insert,3.0041990600000643
+linklist,sorted,find,0.02895102000002222
+linklist,sorted,delete,0.016321099999913664
+hashtable,sorted,insert,0.16461017999990868
+hashtable,sorted,find,0.0014511600000332201
+hashtable,sorted,delete,0.0010335000002669001
+bintree,sorted,insert,13.270635900000162
+bintree,sorted,find,0.08588061999998894
+bintree,sorted,delete,0.04398507999994758

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

@@ -0,0 +1,140 @@
+from aufg1 import *
+import time
+import random
+import sys
+import csv
+
+sys.setrecursionlimit(20000) 
+
+def phone_number_generate():
+    number = "8"
+    text = "0123456789"
+    for i in range(10):
+        char = random.choice(text)
+        number += char
+    return number
+
+def create_data(n=100):
+
+    """ создаем сразу обычный массив и остортированный """
+
+    records_sorted = []
+    for i in range(n):
+        name = f"User_{i:05d}"
+        phone = phone_number_generate()
+        records_sorted.append((name, phone))
+
+    records_shuffled = records_sorted[:]
+    random.shuffle(records_shuffled)
+    return records_sorted, records_shuffled
+
+
+def run_expirement(epoch=1, elements=1000):
+
+    """ распределяем данные по трем структурам данных
+    тестируем время операций (вставки, удаления, перебора) и записываем полученные результаты в файл """
+    header = ["Структура", "Режим", "Операция", "Время (сек)"]
+    
+    for j in range(epoch):
+        print(f"эпоха - {j+1}")
+        
+        results = [header]
+        # создаем данные 
+        records_sorted, records_shuffled = create_data(elements)
+
+        datasets = [
+        ("shuffled", records_shuffled),
+        ("sorted", records_sorted)]
+
+        # сразу будем обрабатывать и случайны и отсортированный данные
+        for label, arr in datasets:
+
+            linklist = None
+            hashtab = hash_table(elements)
+            bintree = None
+        # заполнение связного списка
+            start = time.perf_counter()
+            for p in arr:
+                linklist = ll_insert(linklist, p[0], p[1])
+            end = time.perf_counter()
+            results.append(["linklist", label, "insert", end-start])
+
+        # поиск 110 имен в связном списке
+            # несуществующие данные
+            nonedata = [(f"None_{i}", phone_number_generate()) for i in range(10)]
+            # случайная комбинация 
+            chaossample = random.sample(arr, 100) + nonedata
+            start = time.perf_counter()
+            for p in chaossample:
+                ll_find(linklist, p[0])
+            end = time.perf_counter()
+            results.append(["linklist", label, "find", end-start])
+
+        # удаление 50 имен в св писке
+            deldata = random.sample(arr, 50)
+            start = time.perf_counter()
+            for p in deldata:
+                ll_delete(linklist, p[0])
+            end = time.perf_counter()
+            results.append(["linklist", label, "delete", end-start])
+
+        # заполнение хэш-тфблицы
+            start = time.perf_counter()
+            for p in arr:
+                ht_insert(hashtab, p[0], p[1])
+            end = time.perf_counter()
+            results.append(["hashtable", label, "insert", end-start])
+
+        # поиск 110 имен в хэш таблице
+            # несуществующие данные
+            nonedata = [(f"None_{i}", phone_number_generate()) for i in range(10)]
+            # случайная комбинация 
+            chaossample = random.sample(arr, 100) + nonedata
+            start = time.perf_counter()
+            for p in chaossample:
+                ht_find(hashtab, p[0])
+            end = time.perf_counter()
+            results.append(["hashtable", label, "find", end-start])
+
+        # удаление 50 имен в хэш таблице
+            deldata = random.sample(arr, 50)
+            start = time.perf_counter()
+            for p in deldata:
+                ht_delete(hashtab, p[0])
+            end = time.perf_counter()
+            results.append(["hashtable", label, "delete", end-start])
+
+        # заполнение дерева
+            start = time.perf_counter()
+            for p in arr:
+                bintree = bst_insert(bintree, p[0], p[1])
+            end = time.perf_counter()
+            results.append(["bintree", label, "insert", end-start])
+
+        # поиск 110 имен в дереве
+            # несуществующие данные
+            nonedata = [(f"None_{i}", phone_number_generate()) for i in range(10)]
+            # случайная комбинация 
+            chaossample = random.sample(arr, 100) + nonedata
+            start = time.perf_counter()
+            for p in chaossample:
+                bst_find(bintree, p[0])
+            end = time.perf_counter()
+            results.append(["bintree", label, "find", end-start])
+
+        # удаление 50 имен в дереве
+            deldata = random.sample(arr, 50)
+            start = time.perf_counter()
+            for p in deldata:
+                bst_delete(bintree, p[0])
+            end = time.perf_counter()
+            results.append(["bintree", label, "delete", end-start])
+
+        filename = f"results/timedata_{elements}_epochs_{j+1}.csv"
+        with open(filename, mode='w', encoding='utf-8', newline='') as file:
+            writer = csv.writer(file)
+            writer.writerows(results)
+
+
+
+run_expirement(epoch=5, elements=5000)

README.md

@@ -16,7 +16,7 @@
 
 ### Крайний срок приема работ 25.05.2026 до 14:00
 
-## Задание 0 -- репозиторий [отдельный срок на создание PR с папкой: 28.02.2026]
+## Задание 1 -- репозиторий
 
 0. Создай пользователя (логин — фамилия+инициалы слитно транслитом, как в терминал-классе).
 
@@ -38,345 +38,17 @@
 5.  **Сохрани изменения:**
     ```bash
     git add -A
-    git commit -m "[0] initial commit"
+    git commit -m "Добавлен файл группы [номер] для [Фамилия]"
     ```
 
 6.  Отправь ветку **в свой форк** на Gitea:
     ```bash
-    git push origin
+    git push origin IvanovII
     ```
 
-если просит, перед этим сделать git push --set-upstream origin
-
 7.  **Создай запрос на слияние (Pull Request):** На Gitea перейди в свой форк, выбери ветку `IvanovII`, нажмите **Запрос на слияние**. Убедитесь, что:
     - Базовый репозиторий: **учебный** (преподавателя)
     - Базовая ветка: **develop**
     - Сравниваемая ветка: **свой форк / IvanovII**
 
 8.  Отправь PR.
-
-## Задание 1 -- структуры данных
-***Напоминание: под каждое задание вы создаете отдельную ветку***
-
->Для оформления результатов заведи папку **docs** в своей папке и сохраняй туда отчет (в любом формате от .doc до .md, а то и .jpnb). Вспомогательные файлы клади в подпапку **data** внутри **docs**
-
-**Цель работы**
-
-Реализовать три различные структуры данных «с нуля», применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций. Вы должны собственными руками написать код, чтобы понять внутреннее устройство связного списка, хеш-таблицы и двоичного дерева поиска, а также осознать их сильные и слабые стороны на практике.
-
-**!! Задание  выполнять в структурной (процедурной) парадигме, не используя классы. Главное реализовать структуры данных «руками» и сравнить их производительность.**
-
-### Базовые операции (обязательны для всех):
-
-`insert(name, phone)` -- добавить или обновить запись.
-
-`find(name)` -- phone или None.
-
-`delete(name)` -- удалить запись, игнорировать отсутствие.
-
-`list_all()` -- список всех записей, отсортированный по имени (для BST in‑order обход; для списка и хеш‑таблицы — собрать и отсортировать явно).
-
-#### 1. Связный список (LinkedListPhoneBook)
-
-Узел представляется словарём: `{'name': 'Имя', 'phone': '123', 'next': None}.`
-
-**Функции:**
-
-`def ll_insert(head, name, phone)` — проходит до конца (или сразу добавляет в конец) и возвращает новую голову (если вставка в начало) или изменяет список по ссылке. Удобнее возвращать новую голову, если вставка может быть в начало.
-
-`def ll_find(head, name)` — ищет узел, возвращает телефон или None.
-
-`def ll_delete(head, name)` — удаляет узел, возвращает новую голову.
-
-`def ll_list_all(head)` — собирает все записи в список и сортирует (сортировка вынесена отдельно).
-
-#### 2. Хеш-таблица
-Хранится как список buckets фиксированной длины, каждый элемент — голова связного списка (или None).
-
-**Функции:**
-
-`def ht_insert(buckets, name, phone)` — вычисляет индекс, вызывает ll_insert для соответствующего бакета.
-
-Аналогично `ht_find, ht_delete, ht_list_all` (последняя собирает все записи из всех бакетов и сортирует).
-
-#### 3. Двоичное дерево поиска
-Узел — словарь: `{'name': 'Имя', 'phone': '123', 'left': None, 'right': None}.`
-
-**Функции:**
-
-`def bst_insert(root, name, phone)` — рекурсивно или итеративно вставляет, возвращает новый корень (если корень меняется).
-
-`def bst_find(root, name)` — поиск.
-
-`def bst_delete(root, name)` — удаление, возвращает новый корень.
-
-`def bst_list_all(root)` — центрированный обход (рекурсивно собирает записи в отсортированном порядке).
-
-### Экспериментальная часть (подробно об измерении времени)
-#### 1. Генерация тестовых данных
-Создайте список records из N элементов (например, N = 10000). Каждый элемент — кортеж (name, phone).
-
-Имена генерируйте как `f"User_{i:05d}"` (равномерное распределение) или случайные слова из небольшого набора (чтобы были повторения и коллизии). Для проверки влияния порядка подготовьте два варианта одного и того же набора:
-
-`records_shuffled` — случайный порядок.
-
-`records_sorted` — отсортированный по имени (по алфавиту).
-
-#### 2. Инструменты замера времени
-Используйте модуль **time**:
-
-```python
-import time
-
-start = time.perf_counter()
-# ... операции ...
-end = time.perf_counter()
-elapsed = end - start  # время в секундах
-```
-
-Для многократных замеров удобен `timeit`, но в этой задаче достаточно просто обернуть код в цикл и усреднить.
-
-#### 3. Проведение замеров
-Для каждой структуры данных и для каждого режима входных данных (случайный / отсортированный) выполните:
-
-- А. Вставка всех записей
-
-Создайте пустую структуру.
-
-Засеките время, выполните insert для каждой записи из входного списка.
-
-Зафиксируйте общее время вставки.
-
-- Б. Поиск 100 случайных записей
-
-Возьмите 100 случайных имён из того же набора (гарантированно существующих) и 10 имён, которых нет (например, "None_{i}").
-
-Засеките время на выполнение всех 110 вызовов find.
-
-- В. Удаление 50 случайных записей
-
-Выберите 50 случайных имён из набора.
-
-Засеките время на выполнение delete для каждого.
-
-
-**!! Важно: после вставки структура остаётся заполненной, поиск и удаление выполняются на ней же. Если нужно повторить замер для другого порядка данных — создавайте новую структуру и заполняйте заново.**
-
-#### 4. Сохранение результатов
-
-**!! Каждый эксперимент повторить минимум 5 раз и записывать и среднее время, и все замеры.**
-
-Соберите все замеры в словарь или список, затем сохраните в CSV-файл:
-
-```python
-import csv
-
-results = [
-    ["Структура", "Режим", "Операция", "Время (сек)"],
-    ["LinkedList", "случайный", "вставка", 0.123],
-    ...
-]
-
-with open("results.csv", "w", newline="") as f:
-    writer = csv.writer(f)
-    writer.writerows(results)
-```
-
-
-#### 5. Анализ результатов
-Постройте график (столбчатая диаграмма или линейный график) — можно в Excel, Google Sheets или с помощью matplotlib в Python.
-
-Сравните:
-
-- Как порядок входных данных влияет на скорость вставки в BST (деградация до O(n) на отсортированных данных).
-
-- Почему хеш-таблица почти не чувствительна к порядку.
-
-- Почему связный список всегда медленен при поиске.
-
-- Как удаление работает в каждой структуре.
-
-* Вывод должен содержать ответ на вопрос: какую структуру и для каких задач (частые вставки, частый поиск, необходимость получать данные в порядке) стоит выбирать в реальной жизни.*
-
-## Задание: Поиск выхода из лабиринта (объектно-ориентированная реализация с паттернами)
-
-### Цель работы
-Разработать гибкую, расширяемую программу для загрузки лабиринта из файла, поиска пути от старта до выхода с возможностью выбора алгоритма, визуализации процесса и экспериментального сравнения алгоритмов. В ходе работы необходимо применить минимум 3 паттерна проектирования из списка GoF, обосновать их выбор и продемонстрировать преимущества такой архитектуры.
-
-### Общая схема приложения (пример)
-
-```mermaid
-classDiagram
-    class Maze {
-        -Cell[] cells
-        -int width, height
-        -Cell start
-        -Cell exit
-        +getCell(x,y): Cell
-        +getNeighbors(cell): List~Cell~
-    }
-    
-    class Cell {
-        -int x, y
-        -bool isWall
-        -bool isStart
-        -bool isExit
-        +isPassable(): bool
-    }
-    
-    class MazeBuilder {
-        <<interface>>
-        +buildFromFile(filename): Maze
-    }
-    
-    class TextFileMazeBuilder {
-        +buildFromFile(filename): Maze
-    }
-    
-    class PathFindingStrategy {
-        <<interface>>
-        +findPath(maze, start, exit): List~Cell~
-    }
-    
-    class BFSStrategy
-    class DFSStrategy
-    class AStarStrategy
-    class DijkstraStrategy
-    
-    class SearchStats {
-        +timeMs: float
-        +visitedCells: int
-        +pathLength: int
-    }
-    
-    class MazeSolver {
-        -Maze maze
-        -PathFindingStrategy strategy
-        +setStrategy(strategy)
-        +solve(): SearchStats
-    }
-    
-    class Command {
-        <<interface>>
-        +execute()
-        +undo()
-    }
-    
-    class MoveCommand {
-        -Player player
-        -Direction dir
-        -Cell previousCell
-        +execute()
-        +undo()
-    }
-    
-    class Player {
-        -Cell currentCell
-        +moveTo(cell)
-    }
-    
-    class Observer {
-        <<interface>>
-        +update(event)
-    }
-    
-    class ConsoleView {
-        +update(event)
-        +render(maze, player, path)
-    }
-    
-    MazeBuilder <|.. TextFileMazeBuilder
-    MazeBuilder --> Maze : creates
-    PathFindingStrategy <|.. BFSStrategy
-    PathFindingStrategy <|.. DFSStrategy
-    PathFindingStrategy <|.. AStarStrategy
-    PathFindingStrategy <|.. DijkstraStrategy
-    MazeSolver --> PathFindingStrategy : uses
-    MazeSolver --> Maze : uses
-    Command <|.. MoveCommand
-    MoveCommand --> Player
-    Player --> Cell
-    Observer <|.. ConsoleView
-    MazeSolver --> Observer : notifies
-```
-
-### Выполнение
-
-#### Этап 1. Модель лабиринта (без паттернов, просто классы)
-**Задача:** Создать классы `Cell` и `Maze`, которые представляют карту лабиринта.
-- `Cell` хранит координаты (x, y), флаги `isWall`, `isStart`, `isExit`, метод `isPassable()` (возвращает `True` для прохода, если не стена).
-- `Maze` хранит двумерный массив клеток, ширину, высоту, ссылки на стартовую и выходную клетку. Методы: `getCell(x, y)`, `getNeighbors(cell)` – возвращает список соседних проходимых клеток (вверх, вниз, влево, вправо, если в пределах границ и не стена).
-
-**Результат:** Лабиринт можно создать вручную в коде, но загрузку пока не делаем.
-
-#### Этап 2. Загрузка лабиринта из файла – применение паттерна **Builder**
-**Задача:** Реализовать загрузку лабиринта из текстового файла, где `#` – стена, ` ` (пробел) – проход, `S` – старт, `E` – выход.
-- Создать интерфейс `MazeBuilder` с методом `buildFromFile(filename)`.
-- Реализовать класс `TextFileMazeBuilder`, который читает файл, парсит символы, создаёт объекты `Cell`, задаёт координаты и флаги, после чего возвращает готовый `Maze`.
-
-Процесс построения лабиринта сложный (парсинг, валидация, установка старта/выхода). Builder скрывает детали создания от клиента. В будущем можно легко добавить другой формат (например, JSON или бинарный) через новую реализацию `MazeBuilder`.
-
-#### Этап 3. Стратегии поиска пути – паттерн **Strategy**
-**Задача:** Реализовать семейство алгоритмов поиска пути от старта до выхода.
-- Создать интерфейс `PathFindingStrategy` с методом `findPath(maze, start, exit)`, возвращающим список клеток пути (от старта до выхода включительно) или пустой список, если пути нет.
-- Реализовать минимум 3 стратегии:
-  - **BFS** (поиск в ширину) – гарантирует кратчайший путь по количеству шагов.
-  - **DFS** (поиск в глубину) – быстрый, но не обязательно кратчайший.
-  - **A*** (с эвристикой, например, манхэттенское расстояние) – компромисс между скоростью и оптимальностью.
-  - (Опционально) **Дейкстра** – полезна для взвешенных лабиринтов, но в базовом варианте все шаги имеют вес 1, тогда она совпадает с BFS.
-
-Каждая стратегия возвращает путь. Для BFS/DFS используйте очередь/стек, для A* – приоритетную очередь (heapq). Важно: алгоритмы не должны модифицировать сам лабиринт, только читать состояние клеток.
-
-Strategy позволяет легко переключать алгоритмы во время выполнения, не меняя код остальной программы. Новый алгоритм можно добавить, реализовав интерфейс.
-
-#### Этап 4. Класс-оркестратор – **MazeSolver** (использует Strategy)
-**Задача:** Создать класс, который принимает лабиринт и стратегию, выполняет поиск и собирает статистику.
-- `MazeSolver` содержит поля `maze` и `strategy`.
-- Метод `setStrategy(strategy)` для динамической смены алгоритма.
-- Метод `solve()` вызывает `strategy.findPath(...)` и возвращает объект `SearchStats` (время выполнения в миллисекундах, количество посещённых клеток, длина найденного пути).
-- Для замера времени используйте `time.perf_counter()` до и после вызова стратегии.
-
-#### Этап 5. Визуализация и пошаговое управление – паттерны **Observer** и **Command** (по желанию)
-**5.1. Наблюдатель (Observer)** – обновление консольного интерфейса.
-- Создать интерфейс `Observer` с методом `update(event)`, где `event` может быть строкой или объектом с типом события (`"path_found"`, `"move"`, `"maze_loaded"`).
-- Реализовать класс `ConsoleView`, который отображает лабиринт, текущее положение игрока (если реализован пошаговый режим) и найденный путь. Метод `render(maze, player_position, path)` рисует карту в консоли.
-- `MazeSolver` (или отдельный контроллер) может иметь список наблюдателей и уведомлять их при изменении состояния.
-
-**5.2. Команда (Command)** – для пошагового перемещения игрока по найденному пути (или ручного управления).
-- Создать интерфейс `Command` с методами `execute()` и `undo()`.
-- Реализовать `MoveCommand`, который принимает игрока (`Player`), направление и изменяет его позицию, сохраняя предыдущую для отмены.
-- Создать класс `Player`, хранящий текущую клетку.
-- Консольное меню позволяет вводить команды (W/A/S/D), выполнять `MoveCommand`, при необходимости отменять последний ход (Ctrl+Z). Это опционально, но очень наглядно демонстрирует паттерн.
-
-*Observer можно реализовать только для вывода сообщений о начале/конце поиска, а Command – для демонстрации undo при ручном исследовании лабиринта.*
-
-#### Этап 6. Экспериментальная часть (аналогично заданию со структурами данных)
-**Задача:** Сравнить эффективность реализованных стратегий на лабиринтах разной сложности.
-1. **Подготовка тестовых лабиринтов:**
-   - Маленький (10×10) с простым путём.
-   - Средний (50×50) с тупиками.
-   - Большой (100×100) с запутанной структурой.
-   - «Пустой» лабиринт (без стен) – для демонстрации максимальной производительности.
-   - «Без выхода» – чтобы проверить обработку отсутствия пути.
-2. **Замеры:**
-   - Для каждого лабиринта и каждой стратегии запустить `solve()` 5–10 раз, усреднить время, количество посещённых клеток, длину пути.
-   - Записать результаты в CSV: `лабиринт,стратегия,время_мс,посещено_клеток,длина_пути`.
-3. **Анализ:**
-   - Построить графики для каждого лабиринта.
-   - Проанализировать и написать выводы по итогам (эффективность того или иного алгоритма в разных случаях).
-
-4. **Дополнительное задание:** Реализовать взвешенные клетки (например, болото – вес 3, песок – вес 2, асфальт – вес 1) и сравнить Дейкстру с A* на взвешенном графе.
-
-#### Этап 7. Отчёт
-**Структура отчёта:**
-1. Описание задачи и выбранных паттернов (с диаграммой классов из Mermaid).
-2. Листинги ключевых классов (можно выборочно) или ссылка на репозиторий.
-3. Результаты экспериментов (таблицы, графики).
-4. Анализ эффективности алгоритмов и применимости паттернов.
-5. Выводы: как ООП и паттерны помогли сделать код гибким и расширяемым. Что было бы сложно изменить без них.
-
-### Советы
-- Для A* самая простая эвристика: `abs(x1 - x2) + abs(y1 - y2)`.
-- При поиске пути надо хранить предшественников (`parent` для каждой посещённой клетки), чтобы восстановить путь.
-- Для BFS/DFS используй `deque` (очередь) и `list` (стек).
-- Визуализацию в консоли можно сделать с помощью `os.system('cls' if os.name == 'nt' else 'clear')` для перерисовки.

SorokinAD/428.md

@@ -1 +0,0 @@
-1

VaravinVV/428b

@@ -1 +0,0 @@
-428b 

YaroslavtsevAS/428.md

@@ -1 +0,0 @@
-428

filippovavm/427

@@ -1 +0,0 @@
-427

ivanchenkoam/427.txt

@@ -1 +0,0 @@
-856

konnovaea/429

@@ -1 +0,0 @@
-429 

kuznetsovTD/428b.md

@@ -1 +0,0 @@
-428b.md

morozovns/1.py

@@ -1,2 +0,0 @@
-print("Zadanie adin!!11!adin!11!")
-print("patch")

morozovns/429

@@ -1 +0,0 @@
-429 

nehoroshevaa/428b.md

@@ -1 +0,0 @@
-428b

osipovamd/428.md

@@ -1,6 +0,0 @@
-{\rtf1\ansi\ansicpg1251\cocoartf2869
-\cocoatextscaling0\cocoaplatform0{\fonttbl}
-{\colortbl;\red255\green255\blue255;}
-{\*\expandedcolortbl;;}
-\paperw11900\paperh16840\margl1440\margr1440\vieww11520\viewh8400\viewkind0
-}

pomelovsd/427

@@ -1 +0,0 @@
-427