2026-MP

Практика по курсам "Методы программирования" и "Программная инженерия" РФФ ННГУ

Презентация по курсу (обновляемая)

Для работы необходим python 3.11 и выше. Библиотеки: numpy, pandas, matplotlib, tensorflow, Pillow. Редактор любой. Из неплохих: IDLE (родной, идёт вместе с установщиком), Visual Studio Code, notepad++, PyCharm, vim (для любителей сначала страдать, потом наслаждаться).

Работа с блокнотами онлайн, с возможностью подключения удалённых мощностей гугла (GPU, TPU): https://colab.research.google.com/

Мой контакт: nsmorozov@rf.unn.ru

Внутри папки группы создать папку имени себя (фамилия и имя). В своей папке можете делать все что угодно, в чужие не залезать, в корневую тоже. Я буду ориентироваться на файлы, где в названии будет номер лабораторной.

Название пулл-реквеста должно начинаться с квадратных скобок, в которых перечислены номера сдаваемых лабораторных работ. Не больше одного активного реквеста, если надо довнести -- надо обновить текущий.

Крайний срок приема работ 25.05.2026 до 14:00

Задание 0 -- репозиторий [отдельный срок на создание PR с папкой: 28.02.2026]

0. Создай пользователя (логин — фамилия+инициалы слитно транслитом, как в терминал-классе).

1. Зайди в этот репозиторий на Gitea, нажми кнопку Форкнуть, чтобы создать копию в своем аккаунте.

2. Клонирование: Скопируй ссылку на свой форк и выполни:

   git clone <ссылка_на_ваш_форк>
   cd <название_репозитория>
   

3. Создай ветку (название — фамилия+инициалы слитно транслитом, буква в букву как логин):

   git checkout -b IvanovII
   

4. Создай папку с таким же названием (IvanovII) и внутри неё — текстовый файл, названный номером вашей группы (например, 101.md).

5. Сохрани изменения:

   git add -A
   git commit -m "[0] initial commit"
   

6. Отправь ветку в свой форк на Gitea:

   git push origin
   

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:

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:

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.*