.gitignore

@@ -160,3 +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
+
+
+
+

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)