[1] task1

ZelentsovAV/bst.py

@@ -0,0 +1,79 @@
+def bst_insert(root, name, phone):
+    new_node = {'name': name, 'phone': phone, 'left': None, 'right': None}
+    
+    if root is None:
+        return new_node
+    
+    current = root
+    while True:
+        if name < current['name']:
+            if current['left'] is None:
+                current['left'] = new_node
+                break
+            else:
+                current = current['left']
+        elif name > current['name']:
+            if current['right'] is None:
+                current['right'] = new_node
+                break
+            else:
+                current = current['right']
+        else:
+            current['phone'] = phone
+            break
+    
+    return root
+
+def bst_find(root, name): #Итеративный поиск в BST
+    current = root
+    while current is not None:
+        if name == current['name']:
+            return current['phone']
+        elif name < current['name']:
+            current = current['left']
+        else:
+            current = current['right']
+    return None
+
+def bst_find_min(root): #Поиск минимального узла
+    current = root
+    while current['left'] is not None:
+        current = current['left']
+    return current
+
+def bst_delete(root, name): # Рекурсия только в глубину
+    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']
+        elif root['right'] is None:
+            return root['left']
+        else:
+            min_node = bst_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, records=None): #Возвращает отсортированные записи
+    if records is None:
+        records = []
+    
+    stack = []
+    current = root
+    
+    while stack or current:
+        while current is not None:
+            stack.append(current)
+            current = current['left']
+        current = stack.pop()
+        records.append((current['name'], current['phone']))
+        current = current['right']
+    
+    return records

ZelentsovAV/config.py

@@ -0,0 +1,3 @@
+N = 10000              # Количество записей
+REPEATS = 5            # Количество повторений каждого эксперимента
+HASH_TABLE_SIZE = 1000 # Размер хеш-таблиц

ZelentsovAV/docs/data/results.csv

@@ -0,0 +1,19 @@
+Структура,Режим,Операция,Повтор1,Повтор2,Повтор3,Повтор4,Повтор5,Среднее,Стд_откл
+linkedlist,случайный,вставка,6.12412660010159,6.453428599983454,6.0159983998164535,5.846197799779475,6.687424399890006,6.225435159914196,0.3044218200660184
+linkedlist,случайный,поиск,0.04134450014680624,0.04073229990899563,0.042916799895465374,0.04113580007106066,0.05696159973740578,0.044618199951946734,0.006216087497843716
+linkedlist,случайный,удаление,0.026781500317156315,0.027109399437904358,0.030823000706732273,0.02719919942319393,0.03118100017309189,0.028618820011615753,0.001954103193777089
+linkedlist,отсортированный,вставка,6.631766900420189,5.748658500611782,5.798537000082433,6.062226499430835,5.308409399352968,5.909919659979641,0.43462320783889524
+linkedlist,отсортированный,поиск,0.006313499994575977,0.005670599639415741,0.005590200424194336,0.005645200610160828,0.005786299705505371,0.005801160074770451,0.0002640402924000638
+linkedlist,отсортированный,удаление,0.0005609998479485512,0.0005288999527692795,0.0005288999527692795,0.0006311992183327675,0.0005285991355776787,0.0005557196214795113,3.9747101397961354e-05
+hashtable,случайный,вставка,0.4039090992882848,0.43919940013438463,0.5127053996548057,0.4458825998008251,0.5722195003181696,0.47478319983929396,0.06009411868526661
+hashtable,случайный,поиск,0.0011500995606184006,0.0015127994120121002,0.0014458000659942627,0.0015266994014382362,0.0016105994582176208,0.001449199579656124,0.0001584761558930157
+hashtable,случайный,удаление,0.0006000008434057236,0.0006478000432252884,0.0006513996049761772,0.0006491998210549355,0.0006536999717354774,0.0006404200568795205,2.0308460750476644e-05
+hashtable,отсортированный,вставка,0.41475220024585724,0.36477189976722,0.4018732002004981,0.34626630041748285,0.3364391000941396,0.37282054014503957,0.030645843485620654
+hashtable,отсортированный,поиск,0.00014910008758306503,0.00021160021424293518,0.00014139991253614426,0.00013990048319101334,0.00014150049537420273,0.0001567002385854721,2.763741512756699e-05
+hashtable,отсортированный,удаление,0.00010520033538341522,0.00011090002954006195,9.95006412267685e-05,9.809993207454681e-05,9.940005838871002e-05,0.0001026201993227005,4.811371049160917e-06
+bst,случайный,вставка,0.02877839934080839,0.023240000009536743,0.023904399946331978,0.02267790026962757,0.02133959997445345,0.023988059908151626,0.0025394803712577006
+bst,случайный,поиск,0.00018490012735128403,0.00017419923096895218,0.0001809997484087944,0.0001767994835972786,0.0001687007024884224,0.00017711985856294632,5.569578481417004e-06
+bst,случайный,удаление,0.00012159999459981918,0.0001150006428360939,0.0001226002350449562,0.00011949986219406128,0.00011199992150068283,0.00011814013123512268,4.0316401567625745e-06
+bst,отсортированный,вставка,6.140015699900687,7.042814400047064,6.089983900077641,7.145617099478841,7.014688899740577,6.686623999848962,0.46902726732451255
+bst,отсортированный,поиск,0.0004746001213788986,0.0004603993147611618,0.0005575995892286301,0.0004612002521753311,0.0005747005343437195,0.0005056999623775482,4.9908362408772585e-05
+bst,отсортированный,удаление,0.0007436992600560188,0.0007255999371409416,0.0007277000695466995,0.0007218997925519943,0.0010781008750200272,0.0007993999868631362,0.00013954953359056988

ZelentsovAV/docs/report.md

@@ -0,0 +1,85 @@
+# Отчёт по лабораторной работе
+
+## Цель работы
+
+Реализовать три структуры данных «с нуля» (связный список, хеш-таблица, двоичное дерево поиска), применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций.
+
+## Параметры эксперимента
+
+- Количество записей: 10000
+- Количество повторов каждого теста: 5
+- Размер хеш-таблицы: 1000 корзин
+
+## Результаты экспериментов
+
+### 1. Связный список
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | 6.2254 | 0.0446 | 0.0286 |
+| Отсортированный | 5.9099 | 0.0058 | 0.0006 |
+
+### 2. Хеш-таблица
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | 0.4748 | 0.0014 | 0.0006 |
+| Отсортированный | 0.3728 | 0.0002 | 0.0001 |
+
+### 3. Двоичное дерево поиска (BST)
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | 0.0240 | 0.0002 | 0.0001 |
+| Отсортированный | 6.6866 | 0.0005 | 0.0008 |
+
+## Анализ результатов
+
+### 1. Влияние порядка данных на BST
+При добавлении уже отсортированных элементов BST вырождается в линейную структуру — сложность падает с O(log n) до O(n).  
+Время вставки выросло с 0.0240 до 6.6866 секунд — замедление в 278.7 раза.
+
+### 2. Почему хеш-таблица не чувствительна к порядку
+
+Хеш-функция равномерно распределяет ключи по корзинам независимо от их исходного порядка. Поэтому последовательность добавления практически не влияет на производительность.
+Сравнение случайного и упорядоченного ввода:
+- Случайный режим: 0.4748 с
+- Упорядоченный режим: 0.3728 с
+- Различие: 0.79
+
+### 3. Почему связный список медленный при поиске
+
+Поиск в связном списке требует линейного обхода O(n) — структура не поддерживает произвольный доступ. Это делает его непригодным для крупных справочников, где нужен быстрый поиск по ключу.
+
+Сравнение скорости поиска на случайных данных:
+- LinkedList: 0.0446 сек
+- HashTable: 0.0014 сек (преимущество в 30.8)
+- BST: 0.0002 сек
+
+### 4. Сравнение удаления
+
+| Структура | Сложность | Время на 50 удалений (случайные данные) |
+|-----------|-----------|------------------------------------------|
+| Связный список | O(n) | 0.0286 сек|
+| Хеш-таблица | O(1) в среднем | 0.0006 сек |
+| BST | O(log n) в среднем | 0.0001 сек |
+
+## Вывод:
+
+| Задача | Рекомендация | Почему |
+|--------|-------------|--------|
+| Частый поиск | Хеш-таблица | O(1) в среднем, не зависит от порядка |
+| Частые вставки/удаления | Хеш-таблица | Амортизированное O(1) |
+| Нужен отсортированный вывод | Сбалансированное дерево (AVL/Red-Black) | In-order обход даёт сортировку |
+| Мало данных (<100 элементов) | Связный список или массив | Простота, накладные расходы не оправданы |
+| Последовательный доступ (очередь/стек) | Связный список | Вставка/удаление в начало/конец за O(1) |
+
+## Заключение
+Проведённый эксперимент подтверждает теоретические оценки сложности:
+
+1. **Небалансированное BST это плохой выбор** при работе с реальными данными, которые могут оказаться упорядоченными. Деградация до O(n) делает его непригодным для надёжных систем.
+
+2. **Хеш-таблица показывает стабильные результаты** вне зависимости от порядка входных данных — ключевое преимущество для телефонного справочника с произвольными именами абонентов.
+
+3. **Связный список — нишевый инструмент**, эффективный только при работе с малыми объёмами данных.
+

ZelentsovAV/experiment.py

@@ -0,0 +1,90 @@
+import time
+import numpy as np
+from linkedlist import ll_insert, ll_find, ll_delete
+from hashtable import ht_create, ht_insert, ht_find, ht_delete
+from bst import bst_insert, bst_find, bst_delete
+
+def measure_insert(records, struct_type, params=None): #Замер времени вставки всех записей
+    start = time.perf_counter()
+    
+    if struct_type == 'linkedlist':
+        head = None
+        for name, phone in records:
+            head = ll_insert(head, name, phone)
+        result = head
+    
+    elif struct_type == 'hashtable':
+        size = params.get('size', 1000) if params else 1000
+        buckets = ht_create(size)
+        for name, phone in records:
+            ht_insert(buckets, name, phone)
+        result = buckets
+    
+    elif struct_type == 'bst':
+        root = None
+        for name, phone in records:
+            root = bst_insert(root, name, phone)
+        result = root
+    
+    end = time.perf_counter()
+    return end - start, result
+
+def measure_find(structure, names_to_find, struct_type): #Замер времени поиска записей
+    start = time.perf_counter()
+    
+    for name in names_to_find:
+        if struct_type == 'linkedlist':
+            ll_find(structure, name)
+        elif struct_type == 'hashtable':
+            ht_find(structure, name)
+        elif struct_type == 'bst':
+            bst_find(structure, name)
+    
+    end = time.perf_counter()
+    return end - start
+
+def measure_delete(structure, names_to_delete, struct_type): #Замер времени удаления записей
+    start = time.perf_counter()
+    
+    for name in names_to_delete:
+        if struct_type == 'linkedlist':
+            structure = ll_delete(structure, name)
+        elif struct_type == 'hashtable':
+            ht_delete(structure, name)
+        elif struct_type == 'bst':
+            structure = bst_delete(structure, name)
+    
+    end = time.perf_counter()
+    return end - start, structure
+
+def run_single_experiment(struct_type, mode, data_records, names_to_find, names_to_delete, repeats, params=None): #Запуск одного эксперимента
+    insert_times = []
+    find_times = []
+    delete_times = []
+    
+    for i in range(repeats):
+        if struct_type == 'hashtable':
+            insert_time, structure = measure_insert(data_records, struct_type, params)
+        else:
+            insert_time, structure = measure_insert(data_records, struct_type)
+        insert_times.append(insert_time)
+        
+        find_time = measure_find(structure, names_to_find, struct_type)
+        find_times.append(find_time)
+
+        delete_time, structure = measure_delete(structure, names_to_delete, struct_type)
+        delete_times.append(delete_time)
+    
+    return {
+        'structure': struct_type,
+        'mode': mode,
+        'insert_mean': np.mean(insert_times),
+        'insert_std': np.std(insert_times),
+        'insert_all': insert_times,
+        'find_mean': np.mean(find_times),
+        'find_std': np.std(find_times),
+        'find_all': find_times,
+        'delete_mean': np.mean(delete_times),
+        'delete_std': np.std(delete_times),
+        'delete_all': delete_times
+    }

ZelentsovAV/generator.py

@@ -0,0 +1,18 @@
+import random
+
+def generate_test_data(N): #Генерирует N записей с именами User_00000 ... User_N-1
+    records = [(f"User_{i:05d}", f"+7-999-{i:05d}") for i in range(N)]
+    
+    records_shuffled = records.copy()
+    random.shuffle(records_shuffled)
+    
+    records_sorted = sorted(records, key=lambda x: x[0])
+    
+    return records, records_shuffled, records_sorted
+
+def get_names_for_operations(records, num_find=100, num_delete=50, num_nonexistent=10): #Подготавливает имена для операций поиска и удаления
+    existing_names = [name for name, _ in records[:num_find + num_delete]]
+    names_to_find = existing_names[:num_find] + [f"None_{i}" for i in range(num_nonexistent)]
+    names_to_delete = existing_names[num_find:num_find + num_delete]
+    
+    return names_to_find, names_to_delete

ZelentsovAV/hashtable.py

@@ -0,0 +1,29 @@
+from linkedlist import ll_insert, ll_find, ll_delete, ll_list_all
+
+def hash_function(name, size):
+    return sum(ord(c) for c in name) % size
+
+def ht_create(size):
+    return [None] * size
+
+def ht_insert(buckets, name, phone):
+    index = hash_function(name, len(buckets))
+    buckets[index] = ll_insert(buckets[index], name, phone)
+
+def ht_find(buckets, name):
+    index = hash_function(name, len(buckets))
+    return ll_find(buckets[index], name)
+
+def ht_delete(buckets, name):
+    index = hash_function(name, len(buckets))
+    buckets[index] = ll_delete(buckets[index], name)
+
+def ht_list_all(buckets):
+    records = []
+    for bucket in buckets:
+        current = bucket
+        while current is not None:
+            records.append((current['name'], current['phone']))
+            current = current['next']
+    records.sort(key=lambda x: x[0])
+    return records

ZelentsovAV/linkedlist.py

@@ -0,0 +1,47 @@
+def ll_insert(head, name, phone): #Oбновление записи в связном списке
+    if head is None:
+        return {'name': name, 'phone': phone, 'next': None}
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            current['phone'] = phone
+            return head
+        current = current['next']
+    new_node = {'name': name, 'phone': phone, 'next': None}
+    current = head
+    while current['next'] is not None:
+        current = current['next']
+    current['next'] = new_node
+    return head
+
+def ll_find(head, name): #Поиск телефона по имени
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            return current['phone']
+        current = current['next']
+    return None
+
+def ll_delete(head, name): #Удаление записи по имени
+    if head is None:
+        return None
+    
+    if head['name'] == name:
+        return head['next']
+    
+    current = head
+    while current['next'] is not None:
+        if current['next']['name'] == name:
+            current['next'] = current['next']['next']
+            return head
+        current = current['next']
+    return head
+
+def ll_list_all(head): #Сбор всех записей и сортировка по имени
+    records = []
+    current = head
+    while current is not None:
+        records.append((current['name'], current['phone']))
+        current = current['next']
+    records.sort(key=lambda x: x[0])
+    return records

ZelentsovAV/main.py

@@ -0,0 +1,51 @@
+from config import N, REPEATS, HASH_TABLE_SIZE
+from generator import generate_test_data, get_names_for_operations
+from experiment import run_single_experiment
+from rezults import save_to_csv, plot_results, print_analysis, save_report_md
+
+def main():
+    print(f"Количество записей: {N}")
+    print(f"Количество повторов: {REPEATS}")
+    print(f"Размер хеш-таблицы: {HASH_TABLE_SIZE}")
+    print()
+
+    records, records_shuffled, records_sorted = generate_test_data(N)
+    names_to_find, names_to_delete = get_names_for_operations(records)
+    
+    experiments = [
+        ('linkedlist', 'случайный', records_shuffled),
+        ('linkedlist', 'отсортированный', records_sorted),
+        ('hashtable', 'случайный', records_shuffled),
+        ('hashtable', 'отсортированный', records_sorted),
+        ('bst', 'случайный', records_shuffled),
+        ('bst', 'отсортированный', records_sorted),
+    ]
+    
+    results = []
+    
+    for struct_type, mode, data_records in experiments:
+        print(f"Тестирование: {struct_type} - {mode}")
+        
+        params = {'size': HASH_TABLE_SIZE} if struct_type == 'hashtable' else None
+        
+        result = run_single_experiment(
+            struct_type, mode, data_records,
+            names_to_find, names_to_delete,
+            REPEATS, params
+        )
+        
+        results.append(result)
+        
+        print(f"  Insert: {result['insert_mean']:.4f} ± {result['insert_std']:.4f} sec")
+        print(f"  Find:   {result['find_mean']:.4f} ± {result['find_std']:.4f} sec")
+        print(f"  Delete: {result['delete_mean']:.4f} ± {result['delete_std']:.4f} sec")
+        print()
+    
+    save_to_csv(results)                    
+    plot_results(results)              
+    save_report_md(results)
+    print_analysis(results)
+    
+
+if __name__ == "__main__":
+    main()

ZelentsovAV/rezults.py

@@ -0,0 +1,288 @@
+import csv
+import os
+import numpy as np
+from matplotlib import pyplot as plt
+
+def ensure_directories():
+    os.makedirs('docs/data', exist_ok=True)
+
+def save_to_csv(results, filename="docs/data/results.csv"):
+    ensure_directories()
+    
+    with open(filename, 'w', newline='', encoding='utf-8') as f:
+        writer = csv.writer(f)
+        writer.writerow(['Структура', 'Режим', 'Операция', 
+                         'Повтор1', 'Повтор2', 'Повтор3', 'Повтор4', 'Повтор5',
+                         'Среднее', 'Стд_откл'])
+        
+        for res in results:
+            struct_name = res['structure']
+            mode = res['mode']
+            
+            for op, times, mean, std in [
+                ('вставка', res['insert_all'], res['insert_mean'], res['insert_std']),
+                ('поиск', res['find_all'], res['find_mean'], res['find_std']),
+                ('удаление', res['delete_all'], res['delete_mean'], res['delete_std'])
+            ]:
+                row = [struct_name, mode, op] + times + [mean, std]
+                writer.writerow(row)
+
+def plot_results(results, filename="docs/performance_chart.png"):
+    ensure_directories()
+    struct_names = {
+        'linkedlist': 'LinkedList',
+        'hashtable': 'HashTable',
+        'bst': 'BST'
+    }
+    
+    operations = ['insert', 'find', 'delete']
+    op_names = {'insert': 'Вставка', 'find': 'Поиск', 'delete': 'Удаление'}
+    random_data = {}
+    sorted_data = {}
+    
+    for res in results:
+        struct_name = struct_names.get(res['structure'], res['structure'])
+        mode = res['mode']
+        
+        if mode == 'случайный':
+            random_data[struct_name] = {
+                'insert': res['insert_mean'],
+                'find': res['find_mean'],
+                'delete': res['delete_mean']
+            }
+        else: 
+            sorted_data[struct_name] = {
+                'insert': res['insert_mean'],
+                'find': res['find_mean'],
+                'delete': res['delete_mean']
+            }
+    
+    structure_order = ['LinkedList', 'HashTable', 'BST']
+    
+    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
+    
+    for idx, op in enumerate(operations):
+        ax = axes[idx]
+        
+        x = np.arange(len(structure_order))
+        width = 0.35
+        
+        random_means = []
+        sorted_means = []
+        
+        for struct in structure_order:
+            if struct in random_data:
+                random_means.append(random_data[struct][op])
+            else:
+                random_means.append(0)
+            
+            if struct in sorted_data:
+                sorted_means.append(sorted_data[struct][op])
+            else:
+                sorted_means.append(0)
+        
+        if not random_means and not sorted_means:
+            print(f" Нет данных для операции {op}")
+            continue
+        
+        bars1 = ax.bar(x - width/2, random_means, width, 
+                       label='Случайный порядок', color='skyblue')
+        bars2 = ax.bar(x + width/2, sorted_means, width, 
+                       label='Отсортированный порядок', color='salmon')
+        
+        ax.set_xlabel('Структура данных')
+        ax.set_ylabel('Время (секунды)')
+        ax.set_title(f'{op_names.get(op, op)}')
+        ax.set_xticks(x)
+        ax.set_xticklabels(structure_order)
+        ax.legend()
+        
+        for bar in bars1 + bars2:
+            height = bar.get_height()
+            if height > 0:
+                ax.annotate(f'{height:.3f}',
+                           xy=(bar.get_x() + bar.get_width() / 2, height),
+                           xytext=(0, 3), textcoords="offset points",
+                           ha='center', va='bottom', fontsize=8)
+    
+    plt.tight_layout()
+    plt.savefig(filename, dpi=150)
+    plt.show()
+    
+def save_report_md(results, filename="docs/report.md"):
+    ensure_directories()
+
+    results_dict = {}
+    for res in results:
+        key = (res['structure'], res['mode'])
+        results_dict[key] = res
+
+    def get_val(struct, mode, field):
+        key = (struct, mode)
+        if key in results_dict:return results_dict[key][field]
+        return 0.0
+    
+    ll_random_insert = get_val('linkedlist', 'случайный', 'insert_mean')
+    ll_random_find = get_val('linkedlist', 'случайный', 'find_mean')
+    ll_random_delete = get_val('linkedlist', 'случайный', 'delete_mean')
+    ll_sorted_insert = get_val('linkedlist', 'отсортированный', 'insert_mean')
+    ll_sorted_find = get_val('linkedlist', 'отсортированный', 'find_mean')
+    ll_sorted_delete = get_val('linkedlist', 'отсортированный', 'delete_mean')
+    
+    ht_random_insert = get_val('hashtable', 'случайный', 'insert_mean')
+    ht_random_find = get_val('hashtable', 'случайный', 'find_mean')
+    ht_random_delete = get_val('hashtable', 'случайный', 'delete_mean')
+    ht_sorted_insert = get_val('hashtable', 'отсортированный', 'insert_mean')
+    ht_sorted_find = get_val('hashtable', 'отсортированный', 'find_mean')
+    ht_sorted_delete = get_val('hashtable', 'отсортированный', 'delete_mean')
+    
+    bst_random_insert = get_val('bst', 'случайный', 'insert_mean')
+    bst_random_find = get_val('bst', 'случайный', 'find_mean')
+    bst_random_delete = get_val('bst', 'случайный', 'delete_mean')
+    bst_sorted_insert = get_val('bst', 'отсортированный', 'insert_mean')
+    bst_sorted_find = get_val('bst', 'отсортированный', 'find_mean')
+    bst_sorted_delete = get_val('bst', 'отсортированный', 'delete_mean')
+    
+    from datetime import datetime
+    
+    report_content = f"""# Отчёт по лабораторной работе
+
+## Цель работы
+
+Реализовать три структуры данных «с нуля» (связный список, хеш-таблица, двоичное дерево поиска), применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций.
+
+## Параметры эксперимента
+
+- Количество записей: 10000
+- Количество повторов каждого теста: 5
+- Размер хеш-таблицы: 1000 корзин
+
+## Результаты экспериментов
+
+### 1. Связный список
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | {ll_random_insert:.4f} | {ll_random_find:.4f} | {ll_random_delete:.4f} |
+| Отсортированный | {ll_sorted_insert:.4f} | {ll_sorted_find:.4f} | {ll_sorted_delete:.4f} |
+
+### 2. Хеш-таблица
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | {ht_random_insert:.4f} | {ht_random_find:.4f} | {ht_random_delete:.4f} |
+| Отсортированный | {ht_sorted_insert:.4f} | {ht_sorted_find:.4f} | {ht_sorted_delete:.4f} |
+
+### 3. Двоичное дерево поиска (BST)
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | {bst_random_insert:.4f} | {bst_random_find:.4f} | {bst_random_delete:.4f} |
+| Отсортированный | {bst_sorted_insert:.4f} | {bst_sorted_find:.4f} | {bst_sorted_delete:.4f} |
+
+## Анализ результатов
+
+### 1. Влияние порядка данных на BST
+При добавлении уже отсортированных элементов BST вырождается в линейную структуру — сложность падает с O(log n) до O(n).  
+Время вставки выросло с {bst_random_insert:.4f} до {bst_sorted_insert:.4f} секунд — замедление в {bst_sorted_insert/bst_random_insert:.1f} раза.
+
+### 2. Почему хеш-таблица не чувствительна к порядку
+
+Хеш-функция равномерно распределяет ключи по корзинам независимо от их исходного порядка. Поэтому последовательность добавления практически не влияет на производительность.
+Сравнение случайного и упорядоченного ввода:
+- Случайный режим: {ht_random_insert:.4f} с
+- Упорядоченный режим: {ht_sorted_insert:.4f} с
+- Различие: {ht_sorted_insert/ht_random_insert:.2f}
+
+### 3. Почему связный список медленный при поиске
+
+Поиск в связном списке требует линейного обхода O(n) — структура не поддерживает произвольный доступ. Это делает его непригодным для крупных справочников, где нужен быстрый поиск по ключу.
+
+Сравнение скорости поиска на случайных данных:
+- LinkedList: {ll_random_find:.4f} сек
+- HashTable: {ht_random_find:.4f} сек (преимущество в {ll_random_find/ht_random_find:.1f})
+- BST: {bst_random_find:.4f} сек
+
+### 4. Сравнение удаления
+
+| Структура | Сложность | Время на 50 удалений (случайные данные) |
+|-----------|-----------|------------------------------------------|
+| Связный список | O(n) | {ll_random_delete:.4f} сек|
+| Хеш-таблица | O(1) в среднем | {ht_random_delete:.4f} сек |
+| BST | O(log n) в среднем | {bst_random_delete:.4f} сек |
+
+## Вывод:
+
+| Задача | Рекомендация | Почему |
+|--------|-------------|--------|
+| Частый поиск | Хеш-таблица | O(1) в среднем, не зависит от порядка |
+| Частые вставки/удаления | Хеш-таблица | Амортизированное O(1) |
+| Нужен отсортированный вывод | Сбалансированное дерево (AVL/Red-Black) | In-order обход даёт сортировку |
+| Мало данных (<100 элементов) | Связный список или массив | Простота, накладные расходы не оправданы |
+| Последовательный доступ (очередь/стек) | Связный список | Вставка/удаление в начало/конец за O(1) |
+
+## Заключение
+Проведённый эксперимент подтверждает теоретические оценки сложности:
+
+1. **Небалансированное BST это плохой выбор** при работе с реальными данными, которые могут оказаться упорядоченными. Деградация до O(n) делает его непригодным для надёжных систем.
+
+2. **Хеш-таблица показывает стабильные результаты** вне зависимости от порядка входных данных — ключевое преимущество для телефонного справочника с произвольными именами абонентов.
+
+3. **Связный список — нишевый инструмент**, эффективный только при работе с малыми объёмами данных.
+
+"""
+    
+    with open(filename, 'w', encoding='utf-8') as f:
+        f.write(report_content)
+
+def print_analysis(results):
+    print("\n" + "="*60)
+    print("Анализ результатов")
+    print("="*60)
+    
+    best_insert = min(results, key=lambda x: x['insert_mean'])
+    best_find = min(results, key=lambda x: x['find_mean'])
+    best_delete = min(results, key=lambda x: x['delete_mean'])
+    
+    print(f"\n Лучшая для вставки: {best_insert['structure']} ({best_insert['mode']}) - {best_insert['insert_mean']:.4f} сек")
+    print(f" Лучшая для поиска: {best_find['structure']} ({best_find['mode']}) - {best_find['find_mean']:.4f} сек")
+    print(f" Лучшая для удаления: {best_delete['structure']} ({best_delete['mode']}) - {best_delete['delete_mean']:.4f} сек")
+    
+    bst_random = None
+    bst_sorted = None
+    for res in results:
+        if res['structure'] == 'bst' and res['mode'] == 'случайный':
+            bst_random = res
+        elif res['structure'] == 'bst' and res['mode'] == 'отсортированный':
+            bst_sorted = res
+    
+    if bst_random and bst_sorted:
+        print("\n Влияние порядка данных на BST:")
+        print(f"  Вставка: случайный {bst_random['insert_mean']:.4f} сек vs отсортированный {bst_sorted['insert_mean']:.4f} сек")
+        print(f"  Деградация в {bst_sorted['insert_mean']/bst_random['insert_mean']:.1f}x")
+    
+    ht_random = None
+    ht_sorted = None
+    for res in results:
+        if res['structure'] == 'hashtable' and res['mode'] == 'случайный':
+            ht_random = res
+        elif res['structure'] == 'hashtable' and res['mode'] == 'отсортированный':
+            ht_sorted = res
+    
+    if ht_random and ht_sorted:
+        print("\n Чувствительность хеш-таблицы к порядку:")
+        print(f"  Вставка: случайный {ht_random['insert_mean']:.4f} сек vs отсортированный {ht_sorted['insert_mean']:.4f} сек")
+        print(f"  Отношение: {ht_sorted['insert_mean']/ht_random['insert_mean']:.2f}x (почти не чувствительна)")
+    
+    ll_random = None
+    for res in results:
+        if res['structure'] == 'linkedlist' and res['mode'] == 'случайный':
+            ll_random = res
+        elif res['structure'] == 'hashtable' and res['mode'] == 'случайный':
+            ht_random = res
+    
+    if ll_random and ht_random:
+        print("\n Сравнение скорости поиска:")
+        print(f"  LinkedList: {ll_random['find_mean']:.4f} сек")
+        print(f"  HashTable:  {ht_random['find_mean']:.4f} сек")
+        print(f"  HashTable быстрее в {ll_random['find_mean']/ht_random['find_mean']:.1f} раз")

bst.py

@@ -0,0 +1,79 @@
+def bst_insert(root, name, phone):
+    new_node = {'name': name, 'phone': phone, 'left': None, 'right': None}
+    
+    if root is None:
+        return new_node
+    
+    current = root
+    while True:
+        if name < current['name']:
+            if current['left'] is None:
+                current['left'] = new_node
+                break
+            else:
+                current = current['left']
+        elif name > current['name']:
+            if current['right'] is None:
+                current['right'] = new_node
+                break
+            else:
+                current = current['right']
+        else:
+            current['phone'] = phone
+            break
+    
+    return root
+
+def bst_find(root, name): #Итеративный поиск в BST
+    current = root
+    while current is not None:
+        if name == current['name']:
+            return current['phone']
+        elif name < current['name']:
+            current = current['left']
+        else:
+            current = current['right']
+    return None
+
+def bst_find_min(root): #Поиск минимального узла
+    current = root
+    while current['left'] is not None:
+        current = current['left']
+    return current
+
+def bst_delete(root, name): # Рекурсия только в глубину
+    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']
+        elif root['right'] is None:
+            return root['left']
+        else:
+            min_node = bst_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, records=None): #Возвращает отсортированные записи
+    if records is None:
+        records = []
+    
+    stack = []
+    current = root
+    
+    while stack or current:
+        while current is not None:
+            stack.append(current)
+            current = current['left']
+        current = stack.pop()
+        records.append((current['name'], current['phone']))
+        current = current['right']
+    
+    return records

config.py

@@ -0,0 +1,3 @@
+N = 10000              # Количество записей
+REPEATS = 5            # Количество повторений каждого эксперимента
+HASH_TABLE_SIZE = 1000 # Размер хеш-таблиц

docs/data/results.csv

@@ -0,0 +1,19 @@
+Структура,Режим,Операция,Повтор1,Повтор2,Повтор3,Повтор4,Повтор5,Среднее,Стд_откл
+linkedlist,случайный,вставка,6.12412660010159,6.453428599983454,6.0159983998164535,5.846197799779475,6.687424399890006,6.225435159914196,0.3044218200660184
+linkedlist,случайный,поиск,0.04134450014680624,0.04073229990899563,0.042916799895465374,0.04113580007106066,0.05696159973740578,0.044618199951946734,0.006216087497843716
+linkedlist,случайный,удаление,0.026781500317156315,0.027109399437904358,0.030823000706732273,0.02719919942319393,0.03118100017309189,0.028618820011615753,0.001954103193777089
+linkedlist,отсортированный,вставка,6.631766900420189,5.748658500611782,5.798537000082433,6.062226499430835,5.308409399352968,5.909919659979641,0.43462320783889524
+linkedlist,отсортированный,поиск,0.006313499994575977,0.005670599639415741,0.005590200424194336,0.005645200610160828,0.005786299705505371,0.005801160074770451,0.0002640402924000638
+linkedlist,отсортированный,удаление,0.0005609998479485512,0.0005288999527692795,0.0005288999527692795,0.0006311992183327675,0.0005285991355776787,0.0005557196214795113,3.9747101397961354e-05
+hashtable,случайный,вставка,0.4039090992882848,0.43919940013438463,0.5127053996548057,0.4458825998008251,0.5722195003181696,0.47478319983929396,0.06009411868526661
+hashtable,случайный,поиск,0.0011500995606184006,0.0015127994120121002,0.0014458000659942627,0.0015266994014382362,0.0016105994582176208,0.001449199579656124,0.0001584761558930157
+hashtable,случайный,удаление,0.0006000008434057236,0.0006478000432252884,0.0006513996049761772,0.0006491998210549355,0.0006536999717354774,0.0006404200568795205,2.0308460750476644e-05
+hashtable,отсортированный,вставка,0.41475220024585724,0.36477189976722,0.4018732002004981,0.34626630041748285,0.3364391000941396,0.37282054014503957,0.030645843485620654
+hashtable,отсортированный,поиск,0.00014910008758306503,0.00021160021424293518,0.00014139991253614426,0.00013990048319101334,0.00014150049537420273,0.0001567002385854721,2.763741512756699e-05
+hashtable,отсортированный,удаление,0.00010520033538341522,0.00011090002954006195,9.95006412267685e-05,9.809993207454681e-05,9.940005838871002e-05,0.0001026201993227005,4.811371049160917e-06
+bst,случайный,вставка,0.02877839934080839,0.023240000009536743,0.023904399946331978,0.02267790026962757,0.02133959997445345,0.023988059908151626,0.0025394803712577006
+bst,случайный,поиск,0.00018490012735128403,0.00017419923096895218,0.0001809997484087944,0.0001767994835972786,0.0001687007024884224,0.00017711985856294632,5.569578481417004e-06
+bst,случайный,удаление,0.00012159999459981918,0.0001150006428360939,0.0001226002350449562,0.00011949986219406128,0.00011199992150068283,0.00011814013123512268,4.0316401567625745e-06
+bst,отсортированный,вставка,6.140015699900687,7.042814400047064,6.089983900077641,7.145617099478841,7.014688899740577,6.686623999848962,0.46902726732451255
+bst,отсортированный,поиск,0.0004746001213788986,0.0004603993147611618,0.0005575995892286301,0.0004612002521753311,0.0005747005343437195,0.0005056999623775482,4.9908362408772585e-05
+bst,отсортированный,удаление,0.0007436992600560188,0.0007255999371409416,0.0007277000695466995,0.0007218997925519943,0.0010781008750200272,0.0007993999868631362,0.00013954953359056988

docs/report.md

@@ -0,0 +1,85 @@
+# Отчёт по лабораторной работе
+
+## Цель работы
+
+Реализовать три структуры данных «с нуля» (связный список, хеш-таблица, двоичное дерево поиска), применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций.
+
+## Параметры эксперимента
+
+- Количество записей: 10000
+- Количество повторов каждого теста: 5
+- Размер хеш-таблицы: 1000 корзин
+
+## Результаты экспериментов
+
+### 1. Связный список
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | 6.2254 | 0.0446 | 0.0286 |
+| Отсортированный | 5.9099 | 0.0058 | 0.0006 |
+
+### 2. Хеш-таблица
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | 0.4748 | 0.0014 | 0.0006 |
+| Отсортированный | 0.3728 | 0.0002 | 0.0001 |
+
+### 3. Двоичное дерево поиска (BST)
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | 0.0240 | 0.0002 | 0.0001 |
+| Отсортированный | 6.6866 | 0.0005 | 0.0008 |
+
+## Анализ результатов
+
+### 1. Влияние порядка данных на BST
+При добавлении уже отсортированных элементов BST вырождается в линейную структуру — сложность падает с O(log n) до O(n).  
+Время вставки выросло с 0.0240 до 6.6866 секунд — замедление в 278.7 раза.
+
+### 2. Почему хеш-таблица не чувствительна к порядку
+
+Хеш-функция равномерно распределяет ключи по корзинам независимо от их исходного порядка. Поэтому последовательность добавления практически не влияет на производительность.
+Сравнение случайного и упорядоченного ввода:
+- Случайный режим: 0.4748 с
+- Упорядоченный режим: 0.3728 с
+- Различие: 0.79
+
+### 3. Почему связный список медленный при поиске
+
+Поиск в связном списке требует линейного обхода O(n) — структура не поддерживает произвольный доступ. Это делает его непригодным для крупных справочников, где нужен быстрый поиск по ключу.
+
+Сравнение скорости поиска на случайных данных:
+- LinkedList: 0.0446 сек
+- HashTable: 0.0014 сек (преимущество в 30.8)
+- BST: 0.0002 сек
+
+### 4. Сравнение удаления
+
+| Структура | Сложность | Время на 50 удалений (случайные данные) |
+|-----------|-----------|------------------------------------------|
+| Связный список | O(n) | 0.0286 сек|
+| Хеш-таблица | O(1) в среднем | 0.0006 сек |
+| BST | O(log n) в среднем | 0.0001 сек |
+
+## Вывод:
+
+| Задача | Рекомендация | Почему |
+|--------|-------------|--------|
+| Частый поиск | Хеш-таблица | O(1) в среднем, не зависит от порядка |
+| Частые вставки/удаления | Хеш-таблица | Амортизированное O(1) |
+| Нужен отсортированный вывод | Сбалансированное дерево (AVL/Red-Black) | In-order обход даёт сортировку |
+| Мало данных (<100 элементов) | Связный список или массив | Простота, накладные расходы не оправданы |
+| Последовательный доступ (очередь/стек) | Связный список | Вставка/удаление в начало/конец за O(1) |
+
+## Заключение
+Проведённый эксперимент подтверждает теоретические оценки сложности:
+
+1. **Небалансированное BST это плохой выбор** при работе с реальными данными, которые могут оказаться упорядоченными. Деградация до O(n) делает его непригодным для надёжных систем.
+
+2. **Хеш-таблица показывает стабильные результаты** вне зависимости от порядка входных данных — ключевое преимущество для телефонного справочника с произвольными именами абонентов.
+
+3. **Связный список — нишевый инструмент**, эффективный только при работе с малыми объёмами данных.
+

experiment.py

@@ -0,0 +1,90 @@
+import time
+import numpy as np
+from linkedlist import ll_insert, ll_find, ll_delete
+from hashtable import ht_create, ht_insert, ht_find, ht_delete
+from bst import bst_insert, bst_find, bst_delete
+
+def measure_insert(records, struct_type, params=None): #Замер времени вставки всех записей
+    start = time.perf_counter()
+    
+    if struct_type == 'linkedlist':
+        head = None
+        for name, phone in records:
+            head = ll_insert(head, name, phone)
+        result = head
+    
+    elif struct_type == 'hashtable':
+        size = params.get('size', 1000) if params else 1000
+        buckets = ht_create(size)
+        for name, phone in records:
+            ht_insert(buckets, name, phone)
+        result = buckets
+    
+    elif struct_type == 'bst':
+        root = None
+        for name, phone in records:
+            root = bst_insert(root, name, phone)
+        result = root
+    
+    end = time.perf_counter()
+    return end - start, result
+
+def measure_find(structure, names_to_find, struct_type): #Замер времени поиска записей
+    start = time.perf_counter()
+    
+    for name in names_to_find:
+        if struct_type == 'linkedlist':
+            ll_find(structure, name)
+        elif struct_type == 'hashtable':
+            ht_find(structure, name)
+        elif struct_type == 'bst':
+            bst_find(structure, name)
+    
+    end = time.perf_counter()
+    return end - start
+
+def measure_delete(structure, names_to_delete, struct_type): #Замер времени удаления записей
+    start = time.perf_counter()
+    
+    for name in names_to_delete:
+        if struct_type == 'linkedlist':
+            structure = ll_delete(structure, name)
+        elif struct_type == 'hashtable':
+            ht_delete(structure, name)
+        elif struct_type == 'bst':
+            structure = bst_delete(structure, name)
+    
+    end = time.perf_counter()
+    return end - start, structure
+
+def run_single_experiment(struct_type, mode, data_records, names_to_find, names_to_delete, repeats, params=None): #Запуск одного эксперимента
+    insert_times = []
+    find_times = []
+    delete_times = []
+    
+    for i in range(repeats):
+        if struct_type == 'hashtable':
+            insert_time, structure = measure_insert(data_records, struct_type, params)
+        else:
+            insert_time, structure = measure_insert(data_records, struct_type)
+        insert_times.append(insert_time)
+        
+        find_time = measure_find(structure, names_to_find, struct_type)
+        find_times.append(find_time)
+
+        delete_time, structure = measure_delete(structure, names_to_delete, struct_type)
+        delete_times.append(delete_time)
+    
+    return {
+        'structure': struct_type,
+        'mode': mode,
+        'insert_mean': np.mean(insert_times),
+        'insert_std': np.std(insert_times),
+        'insert_all': insert_times,
+        'find_mean': np.mean(find_times),
+        'find_std': np.std(find_times),
+        'find_all': find_times,
+        'delete_mean': np.mean(delete_times),
+        'delete_std': np.std(delete_times),
+        'delete_all': delete_times
+    }

generator.py

@@ -0,0 +1,18 @@
+import random
+
+def generate_test_data(N): #Генерирует N записей с именами User_00000 ... User_N-1
+    records = [(f"User_{i:05d}", f"+7-999-{i:05d}") for i in range(N)]
+    
+    records_shuffled = records.copy()
+    random.shuffle(records_shuffled)
+    
+    records_sorted = sorted(records, key=lambda x: x[0])
+    
+    return records, records_shuffled, records_sorted
+
+def get_names_for_operations(records, num_find=100, num_delete=50, num_nonexistent=10): #Подготавливает имена для операций поиска и удаления
+    existing_names = [name for name, _ in records[:num_find + num_delete]]
+    names_to_find = existing_names[:num_find] + [f"None_{i}" for i in range(num_nonexistent)]
+    names_to_delete = existing_names[num_find:num_find + num_delete]
+    
+    return names_to_find, names_to_delete

hashtable.py

@@ -0,0 +1,29 @@
+from linkedlist import ll_insert, ll_find, ll_delete, ll_list_all
+
+def hash_function(name, size):
+    return sum(ord(c) for c in name) % size
+
+def ht_create(size):
+    return [None] * size
+
+def ht_insert(buckets, name, phone):
+    index = hash_function(name, len(buckets))
+    buckets[index] = ll_insert(buckets[index], name, phone)
+
+def ht_find(buckets, name):
+    index = hash_function(name, len(buckets))
+    return ll_find(buckets[index], name)
+
+def ht_delete(buckets, name):
+    index = hash_function(name, len(buckets))
+    buckets[index] = ll_delete(buckets[index], name)
+
+def ht_list_all(buckets):
+    records = []
+    for bucket in buckets:
+        current = bucket
+        while current is not None:
+            records.append((current['name'], current['phone']))
+            current = current['next']
+    records.sort(key=lambda x: x[0])
+    return records

linkedlist.py

@@ -0,0 +1,47 @@
+def ll_insert(head, name, phone): #Oбновление записи в связном списке
+    if head is None:
+        return {'name': name, 'phone': phone, 'next': None}
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            current['phone'] = phone
+            return head
+        current = current['next']
+    new_node = {'name': name, 'phone': phone, 'next': None}
+    current = head
+    while current['next'] is not None:
+        current = current['next']
+    current['next'] = new_node
+    return head
+
+def ll_find(head, name): #Поиск телефона по имени
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            return current['phone']
+        current = current['next']
+    return None
+
+def ll_delete(head, name): #Удаление записи по имени
+    if head is None:
+        return None
+    
+    if head['name'] == name:
+        return head['next']
+    
+    current = head
+    while current['next'] is not None:
+        if current['next']['name'] == name:
+            current['next'] = current['next']['next']
+            return head
+        current = current['next']
+    return head
+
+def ll_list_all(head): #Сбор всех записей и сортировка по имени
+    records = []
+    current = head
+    while current is not None:
+        records.append((current['name'], current['phone']))
+        current = current['next']
+    records.sort(key=lambda x: x[0])
+    return records

main.py

@@ -0,0 +1,51 @@
+from config import N, REPEATS, HASH_TABLE_SIZE
+from generator import generate_test_data, get_names_for_operations
+from experiment import run_single_experiment
+from rezults import save_to_csv, plot_results, print_analysis, save_report_md
+
+def main():
+    print(f"Количество записей: {N}")
+    print(f"Количество повторов: {REPEATS}")
+    print(f"Размер хеш-таблицы: {HASH_TABLE_SIZE}")
+    print()
+
+    records, records_shuffled, records_sorted = generate_test_data(N)
+    names_to_find, names_to_delete = get_names_for_operations(records)
+    
+    experiments = [
+        ('linkedlist', 'случайный', records_shuffled),
+        ('linkedlist', 'отсортированный', records_sorted),
+        ('hashtable', 'случайный', records_shuffled),
+        ('hashtable', 'отсортированный', records_sorted),
+        ('bst', 'случайный', records_shuffled),
+        ('bst', 'отсортированный', records_sorted),
+    ]
+    
+    results = []
+    
+    for struct_type, mode, data_records in experiments:
+        print(f"Тестирование: {struct_type} - {mode}")
+        
+        params = {'size': HASH_TABLE_SIZE} if struct_type == 'hashtable' else None
+        
+        result = run_single_experiment(
+            struct_type, mode, data_records,
+            names_to_find, names_to_delete,
+            REPEATS, params
+        )
+        
+        results.append(result)
+        
+        print(f"  Insert: {result['insert_mean']:.4f} ± {result['insert_std']:.4f} sec")
+        print(f"  Find:   {result['find_mean']:.4f} ± {result['find_std']:.4f} sec")
+        print(f"  Delete: {result['delete_mean']:.4f} ± {result['delete_std']:.4f} sec")
+        print()
+    
+    save_to_csv(results)                    
+    plot_results(results)              
+    save_report_md(results)
+    print_analysis(results)
+    
+
+if __name__ == "__main__":
+    main()

rezults.py

@@ -0,0 +1,288 @@
+import csv
+import os
+import numpy as np
+from matplotlib import pyplot as plt
+
+def ensure_directories():
+    os.makedirs('docs/data', exist_ok=True)
+
+def save_to_csv(results, filename="docs/data/results.csv"):
+    ensure_directories()
+    
+    with open(filename, 'w', newline='', encoding='utf-8') as f:
+        writer = csv.writer(f)
+        writer.writerow(['Структура', 'Режим', 'Операция', 
+                         'Повтор1', 'Повтор2', 'Повтор3', 'Повтор4', 'Повтор5',
+                         'Среднее', 'Стд_откл'])
+        
+        for res in results:
+            struct_name = res['structure']
+            mode = res['mode']
+            
+            for op, times, mean, std in [
+                ('вставка', res['insert_all'], res['insert_mean'], res['insert_std']),
+                ('поиск', res['find_all'], res['find_mean'], res['find_std']),
+                ('удаление', res['delete_all'], res['delete_mean'], res['delete_std'])
+            ]:
+                row = [struct_name, mode, op] + times + [mean, std]
+                writer.writerow(row)
+
+def plot_results(results, filename="docs/performance_chart.png"):
+    ensure_directories()
+    struct_names = {
+        'linkedlist': 'LinkedList',
+        'hashtable': 'HashTable',
+        'bst': 'BST'
+    }
+    
+    operations = ['insert', 'find', 'delete']
+    op_names = {'insert': 'Вставка', 'find': 'Поиск', 'delete': 'Удаление'}
+    random_data = {}
+    sorted_data = {}
+    
+    for res in results:
+        struct_name = struct_names.get(res['structure'], res['structure'])
+        mode = res['mode']
+        
+        if mode == 'случайный':
+            random_data[struct_name] = {
+                'insert': res['insert_mean'],
+                'find': res['find_mean'],
+                'delete': res['delete_mean']
+            }
+        else: 
+            sorted_data[struct_name] = {
+                'insert': res['insert_mean'],
+                'find': res['find_mean'],
+                'delete': res['delete_mean']
+            }
+    
+    structure_order = ['LinkedList', 'HashTable', 'BST']
+    
+    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
+    
+    for idx, op in enumerate(operations):
+        ax = axes[idx]
+        
+        x = np.arange(len(structure_order))
+        width = 0.35
+        
+        random_means = []
+        sorted_means = []
+        
+        for struct in structure_order:
+            if struct in random_data:
+                random_means.append(random_data[struct][op])
+            else:
+                random_means.append(0)
+            
+            if struct in sorted_data:
+                sorted_means.append(sorted_data[struct][op])
+            else:
+                sorted_means.append(0)
+        
+        if not random_means and not sorted_means:
+            print(f" Нет данных для операции {op}")
+            continue
+        
+        bars1 = ax.bar(x - width/2, random_means, width, 
+                       label='Случайный порядок', color='skyblue')
+        bars2 = ax.bar(x + width/2, sorted_means, width, 
+                       label='Отсортированный порядок', color='salmon')
+        
+        ax.set_xlabel('Структура данных')
+        ax.set_ylabel('Время (секунды)')
+        ax.set_title(f'{op_names.get(op, op)}')
+        ax.set_xticks(x)
+        ax.set_xticklabels(structure_order)
+        ax.legend()
+        
+        for bar in bars1 + bars2:
+            height = bar.get_height()
+            if height > 0:
+                ax.annotate(f'{height:.3f}',
+                           xy=(bar.get_x() + bar.get_width() / 2, height),
+                           xytext=(0, 3), textcoords="offset points",
+                           ha='center', va='bottom', fontsize=8)
+    
+    plt.tight_layout()
+    plt.savefig(filename, dpi=150)
+    plt.show()
+    
+def save_report_md(results, filename="docs/report.md"):
+    ensure_directories()
+
+    results_dict = {}
+    for res in results:
+        key = (res['structure'], res['mode'])
+        results_dict[key] = res
+
+    def get_val(struct, mode, field):
+        key = (struct, mode)
+        if key in results_dict:return results_dict[key][field]
+        return 0.0
+    
+    ll_random_insert = get_val('linkedlist', 'случайный', 'insert_mean')
+    ll_random_find = get_val('linkedlist', 'случайный', 'find_mean')
+    ll_random_delete = get_val('linkedlist', 'случайный', 'delete_mean')
+    ll_sorted_insert = get_val('linkedlist', 'отсортированный', 'insert_mean')
+    ll_sorted_find = get_val('linkedlist', 'отсортированный', 'find_mean')
+    ll_sorted_delete = get_val('linkedlist', 'отсортированный', 'delete_mean')
+    
+    ht_random_insert = get_val('hashtable', 'случайный', 'insert_mean')
+    ht_random_find = get_val('hashtable', 'случайный', 'find_mean')
+    ht_random_delete = get_val('hashtable', 'случайный', 'delete_mean')
+    ht_sorted_insert = get_val('hashtable', 'отсортированный', 'insert_mean')
+    ht_sorted_find = get_val('hashtable', 'отсортированный', 'find_mean')
+    ht_sorted_delete = get_val('hashtable', 'отсортированный', 'delete_mean')
+    
+    bst_random_insert = get_val('bst', 'случайный', 'insert_mean')
+    bst_random_find = get_val('bst', 'случайный', 'find_mean')
+    bst_random_delete = get_val('bst', 'случайный', 'delete_mean')
+    bst_sorted_insert = get_val('bst', 'отсортированный', 'insert_mean')
+    bst_sorted_find = get_val('bst', 'отсортированный', 'find_mean')
+    bst_sorted_delete = get_val('bst', 'отсортированный', 'delete_mean')
+    
+    from datetime import datetime
+    
+    report_content = f"""# Отчёт по лабораторной работе
+
+## Цель работы
+
+Реализовать три структуры данных «с нуля» (связный список, хеш-таблица, двоичное дерево поиска), применить их для хранения записей телефонного справочника и экспериментально сравнить производительность основных операций.
+
+## Параметры эксперимента
+
+- Количество записей: 10000
+- Количество повторов каждого теста: 5
+- Размер хеш-таблицы: 1000 корзин
+
+## Результаты экспериментов
+
+### 1. Связный список
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | {ll_random_insert:.4f} | {ll_random_find:.4f} | {ll_random_delete:.4f} |
+| Отсортированный | {ll_sorted_insert:.4f} | {ll_sorted_find:.4f} | {ll_sorted_delete:.4f} |
+
+### 2. Хеш-таблица
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | {ht_random_insert:.4f} | {ht_random_find:.4f} | {ht_random_delete:.4f} |
+| Отсортированный | {ht_sorted_insert:.4f} | {ht_sorted_find:.4f} | {ht_sorted_delete:.4f} |
+
+### 3. Двоичное дерево поиска (BST)
+
+| Режим | Вставка (сек) | Поиск (сек) | Удаление (сек) |
+|-------|---------------|-------------|----------------|
+| Случайный | {bst_random_insert:.4f} | {bst_random_find:.4f} | {bst_random_delete:.4f} |
+| Отсортированный | {bst_sorted_insert:.4f} | {bst_sorted_find:.4f} | {bst_sorted_delete:.4f} |
+
+## Анализ результатов
+
+### 1. Влияние порядка данных на BST
+При добавлении уже отсортированных элементов BST вырождается в линейную структуру — сложность падает с O(log n) до O(n).  
+Время вставки выросло с {bst_random_insert:.4f} до {bst_sorted_insert:.4f} секунд — замедление в {bst_sorted_insert/bst_random_insert:.1f} раза.
+
+### 2. Почему хеш-таблица не чувствительна к порядку
+
+Хеш-функция равномерно распределяет ключи по корзинам независимо от их исходного порядка. Поэтому последовательность добавления практически не влияет на производительность.
+Сравнение случайного и упорядоченного ввода:
+- Случайный режим: {ht_random_insert:.4f} с
+- Упорядоченный режим: {ht_sorted_insert:.4f} с
+- Различие: {ht_sorted_insert/ht_random_insert:.2f}
+
+### 3. Почему связный список медленный при поиске
+
+Поиск в связном списке требует линейного обхода O(n) — структура не поддерживает произвольный доступ. Это делает его непригодным для крупных справочников, где нужен быстрый поиск по ключу.
+
+Сравнение скорости поиска на случайных данных:
+- LinkedList: {ll_random_find:.4f} сек
+- HashTable: {ht_random_find:.4f} сек (преимущество в {ll_random_find/ht_random_find:.1f})
+- BST: {bst_random_find:.4f} сек
+
+### 4. Сравнение удаления
+
+| Структура | Сложность | Время на 50 удалений (случайные данные) |
+|-----------|-----------|------------------------------------------|
+| Связный список | O(n) | {ll_random_delete:.4f} сек|
+| Хеш-таблица | O(1) в среднем | {ht_random_delete:.4f} сек |
+| BST | O(log n) в среднем | {bst_random_delete:.4f} сек |
+
+## Вывод:
+
+| Задача | Рекомендация | Почему |
+|--------|-------------|--------|
+| Частый поиск | Хеш-таблица | O(1) в среднем, не зависит от порядка |
+| Частые вставки/удаления | Хеш-таблица | Амортизированное O(1) |
+| Нужен отсортированный вывод | Сбалансированное дерево (AVL/Red-Black) | In-order обход даёт сортировку |
+| Мало данных (<100 элементов) | Связный список или массив | Простота, накладные расходы не оправданы |
+| Последовательный доступ (очередь/стек) | Связный список | Вставка/удаление в начало/конец за O(1) |
+
+## Заключение
+Проведённый эксперимент подтверждает теоретические оценки сложности:
+
+1. **Небалансированное BST это плохой выбор** при работе с реальными данными, которые могут оказаться упорядоченными. Деградация до O(n) делает его непригодным для надёжных систем.
+
+2. **Хеш-таблица показывает стабильные результаты** вне зависимости от порядка входных данных — ключевое преимущество для телефонного справочника с произвольными именами абонентов.
+
+3. **Связный список — нишевый инструмент**, эффективный только при работе с малыми объёмами данных.
+
+"""
+    
+    with open(filename, 'w', encoding='utf-8') as f:
+        f.write(report_content)
+
+def print_analysis(results):
+    print("\n" + "="*60)
+    print("Анализ результатов")
+    print("="*60)
+    
+    best_insert = min(results, key=lambda x: x['insert_mean'])
+    best_find = min(results, key=lambda x: x['find_mean'])
+    best_delete = min(results, key=lambda x: x['delete_mean'])
+    
+    print(f"\n Лучшая для вставки: {best_insert['structure']} ({best_insert['mode']}) - {best_insert['insert_mean']:.4f} сек")
+    print(f" Лучшая для поиска: {best_find['structure']} ({best_find['mode']}) - {best_find['find_mean']:.4f} сек")
+    print(f" Лучшая для удаления: {best_delete['structure']} ({best_delete['mode']}) - {best_delete['delete_mean']:.4f} сек")
+    
+    bst_random = None
+    bst_sorted = None
+    for res in results:
+        if res['structure'] == 'bst' and res['mode'] == 'случайный':
+            bst_random = res
+        elif res['structure'] == 'bst' and res['mode'] == 'отсортированный':
+            bst_sorted = res
+    
+    if bst_random and bst_sorted:
+        print("\n Влияние порядка данных на BST:")
+        print(f"  Вставка: случайный {bst_random['insert_mean']:.4f} сек vs отсортированный {bst_sorted['insert_mean']:.4f} сек")
+        print(f"  Деградация в {bst_sorted['insert_mean']/bst_random['insert_mean']:.1f}x")
+    
+    ht_random = None
+    ht_sorted = None
+    for res in results:
+        if res['structure'] == 'hashtable' and res['mode'] == 'случайный':
+            ht_random = res
+        elif res['structure'] == 'hashtable' and res['mode'] == 'отсортированный':
+            ht_sorted = res
+    
+    if ht_random and ht_sorted:
+        print("\n Чувствительность хеш-таблицы к порядку:")
+        print(f"  Вставка: случайный {ht_random['insert_mean']:.4f} сек vs отсортированный {ht_sorted['insert_mean']:.4f} сек")
+        print(f"  Отношение: {ht_sorted['insert_mean']/ht_random['insert_mean']:.2f}x (почти не чувствительна)")
+    
+    ll_random = None
+    for res in results:
+        if res['structure'] == 'linkedlist' and res['mode'] == 'случайный':
+            ll_random = res
+        elif res['structure'] == 'hashtable' and res['mode'] == 'случайный':
+            ht_random = res
+    
+    if ll_random and ht_random:
+        print("\n Сравнение скорости поиска:")
+        print(f"  LinkedList: {ll_random['find_mean']:.4f} сек")
+        print(f"  HashTable:  {ht_random['find_mean']:.4f} сек")
+        print(f"  HashTable быстрее в {ll_random['find_mean']/ht_random['find_mean']:.1f} раз")