Merge pull request '[1] lab1' (#190) from shalovsa/2026-rff_mp:lab1 into develop

Reviewed-on: #190

shalovsa/lab1/docs/data/laba.py

@@ -0,0 +1,210 @@
+import time
+import random
+import csv
+import os
+
+from phone_book import (
+    ll_insert, ll_find, ll_delete, ll_list_all,
+    ht_make, ht_insert, ht_find, ht_delete, ht_list_all,
+    bst_insert, bst_find, bst_delete, bst_list_all,
+)
+
+N = 10_000
+REPEATS = 5
+SEARCH_COUNT = 110
+DELETE_COUNT = 50
+HT_SIZE = 256
+
+RANDOM_SEED = 42
+random.seed(RANDOM_SEED)
+
+OUTPUT_DIR = os.path.dirname(__file__)
+os.makedirs(OUTPUT_DIR, exist_ok=True)
+CSV_PATH = os.path.join(OUTPUT_DIR, 'results.csv')
+
+def generate_records(n):
+    records = [(f"User_{i:05d}", f"+7{random.randint(1000000000, 9999999999)}")
+               for i in range(n)]
+    return records
+
+
+records_base = generate_records(N)
+
+records_shuffled = records_base[:]
+random.shuffle(records_shuffled)
+
+records_sorted = sorted(records_base, key=lambda x: x[0])
+
+existing_names = [r[0] for r in random.sample(records_base, 100)]
+missing_names = [f"None_{i}" for i in range(10)]
+search_names = existing_names + missing_names
+
+delete_names = [r[0] for r in random.sample(records_base, DELETE_COUNT)]
+
+def measure(func, *args, **kwargs):
+    start = time.perf_counter()
+    result = func(*args, **kwargs)
+    end = time.perf_counter()
+    return end - start, result
+
+def bench_linked_list(records, mode_label):
+    times = {'insert': [], 'find': [], 'delete': []}
+
+    for _ in range(REPEATS):
+        head = None
+        t_start = time.perf_counter()
+        for name, phone in records:
+            head = ll_insert(head, name, phone)
+        times['insert'].append(time.perf_counter() - t_start)
+
+        t_start = time.perf_counter()
+        for name in search_names:
+            ll_find(head, name)
+        times['find'].append(time.perf_counter() - t_start)
+
+        t_start = time.perf_counter()
+        for name in delete_names:
+            head = ll_delete(head, name)
+        times['delete'].append(time.perf_counter() - t_start)
+
+    return times
+
+
+def bench_hash_table(records, mode_label):
+    times = {'insert': [], 'find': [], 'delete': []}
+
+    for _ in range(REPEATS):
+        buckets = ht_make(HT_SIZE)
+        t_start = time.perf_counter()
+        for name, phone in records:
+            ht_insert(buckets, name, phone)
+        times['insert'].append(time.perf_counter() - t_start)
+
+        t_start = time.perf_counter()
+        for name in search_names:
+            ht_find(buckets, name)
+        times['find'].append(time.perf_counter() - t_start)
+
+        t_start = time.perf_counter()
+        for name in delete_names:
+            ht_delete(buckets, name)
+        times['delete'].append(time.perf_counter() - t_start)
+
+    return times
+
+
+def bench_bst(records, mode_label):
+    times = {'insert': [], 'find': [], 'delete': []}
+
+    for _ in range(REPEATS):
+        root = None
+        t_start = time.perf_counter()
+        for name, phone in records:
+            root = bst_insert(root, name, phone)
+        times['insert'].append(time.perf_counter() - t_start)
+
+        t_start = time.perf_counter()
+        for name in search_names:
+            bst_find(root, name)
+        times['find'].append(time.perf_counter() - t_start)
+
+        t_start = time.perf_counter()
+        for name in delete_names:
+            root = bst_delete(root, name)
+        times['delete'].append(time.perf_counter() - t_start)
+
+    return times
+
+def avg(lst):
+    return sum(lst) / len(lst)
+
+
+def run_all():
+    print(f"Запуск: N={N}, повторений={REPEATS}\n")
+    print(f"{'Структура':<15} {'Режим':<12} {'Операция':<10} "
+          f"{'Среднее (с)':<14} {'Все замеры'}")
+    print("-" * 80)
+
+    all_results = [["Структура", "Режим", "Операция", "Среднее (с)"] +
+                   [f"Замер_{i+1}" for i in range(REPEATS)]]
+
+    datasets = [
+        (records_shuffled, "случайный"),
+        (records_sorted,   "сортированный"),
+    ]
+
+    benchmarks = [
+        ("LinkedList", bench_linked_list),
+        ("HashTable",  bench_hash_table),
+        ("BST",        bench_bst),
+    ]
+
+    for ds_records, ds_mode in datasets:
+        for struct_name, bench_func in benchmarks:
+            print(f"\n  [{struct_name}] режим: {ds_mode}")
+            if struct_name == "BST" and ds_mode == "сортированный":
+                import sys
+                sys.setrecursionlimit(50_000)
+
+            times = bench_func(ds_records, ds_mode)
+
+            for op, op_times in times.items():
+                mean = avg(op_times)
+                row = [struct_name, ds_mode, op, f"{mean:.6f}"] + \
+                      [f"{t:.6f}" for t in op_times]
+                all_results.append(row)
+
+                print(f"    {op:<10} среднее={mean:.6f}с  "
+                      f"замеры={[f'{t:.4f}' for t in op_times]}")
+
+    with open(CSV_PATH, 'w', newline='', encoding='utf-8') as f:
+        writer = csv.writer(f)
+        writer.writerows(all_results)
+
+    print(f"\n✅ Результаты сохранены в: {CSV_PATH}")
+    return all_results
+
+def smoke_test():
+    print("=== Smoke Test ===\n")
+
+    test_data = [("Alice", "111"), ("Bob", "222"), ("Charlie", "333")]
+
+    head = None
+    for name, phone in test_data:
+        head = ll_insert(head, name, phone)
+    assert ll_find(head, "Alice") == "111"
+    assert ll_find(head, "Bob") == "222"
+    assert ll_find(head, "Nobody") is None
+    head = ll_delete(head, "Bob")
+    assert ll_find(head, "Bob") is None
+    sorted_ll = ll_list_all(head)
+    assert sorted_ll == [("Alice", "111"), ("Charlie", "333")]
+    print("✅ LinkedList — OK")
+
+    buckets = ht_make(16)
+    for name, phone in test_data:
+        ht_insert(buckets, name, phone)
+    assert ht_find(buckets, "Charlie") == "333"
+    assert ht_find(buckets, "Nobody") is None
+    ht_delete(buckets, "Alice")
+    assert ht_find(buckets, "Alice") is None
+    sorted_ht = ht_list_all(buckets)
+    assert sorted_ht == [("Bob", "222"), ("Charlie", "333")]
+    print("✅ HashTable — OK")
+
+    root = None
+    for name, phone in test_data:
+        root = bst_insert(root, name, phone)
+    assert bst_find(root, "Alice") == "111"
+    assert bst_find(root, "Nobody") is None
+    root = bst_delete(root, "Alice")
+    assert bst_find(root, "Alice") is None
+    sorted_bst = bst_list_all(root)
+    assert sorted_bst == [("Bob", "222"), ("Charlie", "333")]
+    print("✅ BST — OK")
+
+    print("\nВсе тесты пройдены!\n")
+
+if __name__ == "__main__":
+    smoke_test()
+    results = run_all()

shalovsa/lab1/docs/data/phone_book.py

@@ -0,0 +1,168 @@
+def ll_make_node(name, phone):
+    return {'name': name, 'phone': phone, 'next': None}
+
+
+def ll_insert(head, name, phone):
+    if head is None:
+        return ll_make_node(name, phone)
+
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            current['phone'] = phone
+            return head
+        current = current['next']
+
+    new_node = ll_make_node(name, phone)
+    new_node['next'] = head
+    return new_node
+
+
+def ll_find(head, name):
+    current = head
+    while current is not None:
+        if current['name'] == name:
+            return current['phone']
+        current = current['next']
+    return None
+
+
+def ll_delete(head, name):
+    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):
+    result = []
+    current = head
+    while current is not None:
+        result.append((current['name'], current['phone']))
+        current = current['next']
+    return sorted(result, key=lambda x: x[0])
+
+def ht_make(size=256):
+    return [None] * size
+
+
+def ht_hash(buckets, name):
+    return hash(name) % len(buckets)
+
+
+def ht_insert(buckets, name, phone):
+    idx = ht_hash(buckets, name)
+    buckets[idx] = ll_insert(buckets[idx], name, phone)
+
+
+def ht_find(buckets, name):
+    idx = ht_hash(buckets, name)
+    return ll_find(buckets[idx], name)
+
+
+def ht_delete(buckets, name):
+    idx = ht_hash(buckets, name)
+    buckets[idx] = ll_delete(buckets[idx], name)
+
+
+def ht_list_all(buckets):
+    result = []
+    for bucket_head in buckets:
+        current = bucket_head
+        while current is not None:
+            result.append((current['name'], current['phone']))
+            current = current['next']
+    return sorted(result, key=lambda x: x[0])
+
+def bst_make_node(name, phone):
+    return {'name': name, 'phone': phone, 'left': None, 'right': None}
+
+
+def bst_insert(root, name, phone):
+    new_node = bst_make_node(name, phone)
+
+    if root is None:
+        return new_node
+
+    current = root
+    while True:
+        if name == current['name']:
+            current['phone'] = phone
+            return root
+        elif name < current['name']:
+            if current['left'] is None:
+                current['left'] = new_node
+                return root
+            current = current['left']
+        else:
+            if current['right'] is None:
+                current['right'] = new_node
+                return root
+            current = current['right']
+
+
+def bst_find(root, name):
+    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_min_node(node):
+    current = node
+    while current['left'] is not None:
+        current = current['left']
+    return current
+
+
+def bst_delete(root, name):
+    if root is None:
+        return None
+
+    if name < root['name']:
+        root['left'] = bst_delete(root['left'], name)
+    elif name > root['name']:
+        root['right'] = bst_delete(root['right'], name)
+    else:
+        if root['left'] is None:
+            return root['right']
+        elif root['right'] is None:
+            return root['left']
+        else:
+            successor = _bst_min_node(root['right'])
+            root['name'] = successor['name']
+            root['phone'] = successor['phone']
+            root['right'] = bst_delete(root['right'], successor['name'])
+
+    return root
+
+
+def bst_list_all(root):
+    result = []
+    stack = []
+    current = root
+
+    while current is not None or stack:
+        while current is not None:
+            stack.append(current)
+            current = current['left']
+        current = stack.pop()
+        result.append((current['name'], current['phone']))
+        current = current['right']
+
+    return result

shalovsa/lab1/docs/data/plot_results.py

@@ -0,0 +1,128 @@
+import csv
+import os
+
+try:
+    import matplotlib.pyplot as plt
+    import matplotlib.patches as mpatches
+    HAS_MPL = True
+except ImportError:
+    HAS_MPL = False
+    print("⚠️  matplotlib не установлен. Установите: pip install matplotlib")
+    print("   Графики будут пропущены, таблица результатов выведена в терминал.\n")
+
+CSV_PATH = os.path.join(os.path.dirname(__file__), 'results.csv')
+PLOTS_DIR = os.path.dirname(__file__)
+
+
+def load_results(path):
+    data = {}
+    with open(path, newline='', encoding='utf-8') as f:
+        reader = csv.reader(f)
+        header = next(reader)
+        for row in reader:
+            struct, mode, op = row[0], row[1], row[2]
+            mean = float(row[3])
+            data[(struct, mode, op)] = mean
+    return data
+
+STRUCTS = ["LinkedList", "HashTable", "BST"]
+MODES   = ["случайный", "сортированный"]
+OPS     = ["insert", "find", "delete"]
+COLORS  = {"LinkedList": "#4E9AF1", "HashTable": "#F4845F", "BST": "#6BCB77"}
+
+
+def plot_by_operation(data):
+    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
+    fig.suptitle("Сравнение структур данных\n(телефонный справочник, N=10 000)",
+                 fontsize=14, fontweight='bold')
+
+    for ax, op in zip(axes, OPS):
+        x_labels = []
+        values = []
+        colors = []
+
+        for mode in MODES:
+            for struct in STRUCTS:
+                key = (struct, mode, op)
+                val = data.get(key, 0)
+                x_labels.append(f"{struct}\n({mode[:4]})")
+                values.append(val)
+                colors.append(COLORS[struct])
+
+        bars = ax.bar(range(len(values)), values, color=colors,
+                      edgecolor='white', linewidth=0.8)
+
+        ax.set_xticks(range(len(x_labels)))
+        ax.set_xticklabels(x_labels, fontsize=8, rotation=15, ha='right')
+        ax.set_ylabel("Время (с)", fontsize=9)
+        ax.set_title(f"Операция: {op}", fontweight='bold')
+        ax.grid(axis='y', alpha=0.3)
+
+        for bar, val in zip(bars, values):
+            ax.text(bar.get_x() + bar.get_width() / 2,
+                    bar.get_height() + max(values) * 0.01,
+                    f"{val:.4f}",
+                    ha='center', va='bottom', fontsize=7)
+
+    patches = [mpatches.Patch(color=c, label=s) for s, c in COLORS.items()]
+    fig.legend(handles=patches, loc='lower center', ncol=3,
+               bbox_to_anchor=(0.5, -0.05))
+
+    plt.tight_layout()
+    out_path = os.path.join(PLOTS_DIR, 'comparison_by_operation.png')
+    plt.savefig(out_path, dpi=150, bbox_inches='tight')
+    print(f"✅ График сохранён: {out_path}")
+    plt.show()
+
+
+def plot_sorted_vs_random(data):
+    fig, axes = plt.subplots(1, 3, figsize=(14, 5))
+    fig.suptitle("Влияние порядка данных на время операций",
+                 fontsize=13, fontweight='bold')
+
+    for ax, struct in zip(axes, STRUCTS):
+        rand_vals  = [data.get((struct, "случайный", op), 0)    for op in OPS]
+        sort_vals  = [data.get((struct, "сортированный", op), 0) for op in OPS]
+
+        x = range(len(OPS))
+        w = 0.35
+        bars1 = ax.bar([i - w/2 for i in x], rand_vals, width=w,
+                       label="случайный", color="#4E9AF1", edgecolor='white')
+        bars2 = ax.bar([i + w/2 for i in x], sort_vals, width=w,
+                       label="сортированный", color="#F4845F", edgecolor='white')
+
+        ax.set_xticks(list(x))
+        ax.set_xticklabels(OPS)
+        ax.set_title(struct, fontweight='bold')
+        ax.set_ylabel("Время (с)", fontsize=9)
+        ax.legend(fontsize=8)
+        ax.grid(axis='y', alpha=0.3)
+
+    plt.tight_layout()
+    out_path = os.path.join(PLOTS_DIR, 'sorted_vs_random.png')
+    plt.savefig(out_path, dpi=150, bbox_inches='tight')
+    print(f"✅ График сохранён: {out_path}")
+    plt.show()
+
+
+def print_table(data):
+    print(f"\n{'Структура':<12} {'Режим':<16} {'Операция':<10} {'Время (с)':<12}")
+    print("-" * 52)
+    for (struct, mode, op), mean in sorted(data.items()):
+        print(f"{struct:<12} {mode:<16} {op:<10} {mean:.6f}")
+
+if __name__ == "__main__":
+    if not os.path.exists(CSV_PATH):
+        print(f"❌ Файл результатов не найден: {CSV_PATH}")
+        print("   Сначала запустите: python benchmark.py")
+        exit(1)
+
+    data = load_results(CSV_PATH)
+    print_table(data)
+
+    if HAS_MPL:
+        plot_by_operation(data)
+        plot_sorted_vs_random(data)
+    else:
+        print("\n💡 Установите matplotlib для графиков:")
+        print("   pip install matplotlib")

shalovsa/lab1/docs/data/results.csv

@@ -0,0 +1,19 @@
+Структура,Режим,Операция,Среднее (с),Замер_1,Замер_2,Замер_3,Замер_4,Замер_5
+LinkedList,случайный,insert,2.013381,2.030341,1.985393,2.000117,2.000130,2.050923
+LinkedList,случайный,find,0.026258,0.026263,0.027186,0.026271,0.026350,0.025217
+LinkedList,случайный,delete,0.015552,0.017207,0.014387,0.015304,0.015317,0.015547
+HashTable,случайный,insert,0.014448,0.014376,0.014608,0.015115,0.013931,0.014212
+HashTable,случайный,find,0.000161,0.000162,0.000161,0.000161,0.000158,0.000161
+HashTable,случайный,delete,0.000088,0.000089,0.000089,0.000088,0.000086,0.000086
+BST,случайный,insert,0.015575,0.015822,0.015653,0.015507,0.015398,0.015496
+BST,случайный,find,0.000133,0.000135,0.000133,0.000131,0.000133,0.000133
+BST,случайный,delete,0.000100,0.000104,0.000100,0.000100,0.000099,0.000099
+LinkedList,сортированный,insert,1.890415,1.937600,1.916341,1.863388,1.872563,1.862181
+LinkedList,сортированный,find,0.023136,0.030373,0.021794,0.021670,0.020861,0.020980
+LinkedList,сортированный,delete,0.014986,0.017694,0.014155,0.014365,0.014293,0.014424
+HashTable,сортированный,insert,0.017723,0.015734,0.019191,0.019721,0.015843,0.018128
+HashTable,сортированный,find,0.000223,0.000263,0.000206,0.000226,0.000154,0.000264
+HashTable,сортированный,delete,0.000125,0.000144,0.000112,0.000132,0.000094,0.000141
+BST,сортированный,insert,3.535999,3.577140,3.570114,3.581931,3.485064,3.465746
+BST,сортированный,find,0.030666,0.030318,0.033654,0.030108,0.029537,0.029713
+BST,сортированный,delete,0.038312,0.037349,0.040109,0.037735,0.036555,0.039810

shalovsa/lab1/docs/report.md

@@ -0,0 +1,130 @@
+# Отчёт: Задание 1 — Структуры данных
+
+## Цель работы
+
+Разработать три структуры данных «с нуля» в процедурном стиле (без ООП), применить их для хранения записей телефонной книги и провести экспериментальное сравнение производительности ключевых операций.
+
+**Структуры данных:**
+- Связный список (LinkedList)
+- Хеш-таблица (HashTable)
+- Двоичное дерево поиска (BST)
+
+---
+
+## Реализация
+
+### Основные технические решения
+
+#### 1. Связный список
+
+Узел реализован как Python-словарь: `{'name': 'Имя', 'phone': '123', 'next': None}`.
+
+Новые элементы добавляются **в начало** списка за O(1) (при условии отсутствия имени), обновление требует прохода по списку O(n). Поиск и удаление работают за линейное время из-за отсутствия прямого доступа по индексу.
+
+#### 2. Хеш-таблица
+
+Фиксированный массив на 256 корзин. Каждая корзина — указатель на связный список (метод цепочек). Хеш-функция: стандартный `hash(name) % size`. Среднее время операций O(1), при коллизиях — O(k), где k — длина цепочки.
+
+#### 3. Двоичное дерево поиска (BST)
+
+Узел: `{'name': 'Имя', 'phone': '123', 'left': None, 'right': None}`. Сравнение ключей — лексикографическое по полю name. Вставка и поиск реализованы итеративно. Удаление — рекурсивное с заменой на минимальный узел правого поддерева. Обход в глубину даёт отсортированный список.
+
+---
+
+## Экспериментальная часть
+
+### Условия проведения замеров
+
+| Параметр | Значение |
+|---|---|
+| Количество записей (N) | 10 000 |
+| Количество замеров на операцию | 5 |
+| Поисковых запросов | 110 (100 существующих + 10 отсутствующих) |
+| Удалений | 50 |
+| Размер хеш-таблицы | 256 корзин |
+
+**Два набора данных:**
+- `records_shuffled` — случайный порядок записей
+- `records_sorted` — упорядоченный по имени (алфавитный порядок)
+
+---
+
+## Результаты
+
+### Среднее время выполнения (секунды)
+
+| Структура | Режим | Вставка (с) | Поиск 110 (с) | Удаление 50 (с) |
+|---|---|---|---|---|
+| LinkedList | случайный | 2.541985 | 0.034289 | 0.020349 |
+| LinkedList | сортированный | 2.208557 | 0.025340 | 0.016424 |
+| HashTable | случайный | 0.018235 | 0.000214 | 0.000120 |
+| HashTable | сортированный | 0.016163 | 0.000207 | 0.000124 |
+| BST | случайный | 0.017192 | 0.000145 | 0.000104 |
+| **BST** | **сортированный** | **3.854338** | **0.033498** | **0.045823** |
+
+### Визуализация
+
+![Сравнение по операциям](data/comparison_by_operation.png)
+
+![Влияние порядка данных](data/sorted_vs_random.png)
+
+---
+
+## Анализ результатов
+
+### 1. Связный список — стабильно низкая скорость
+
+Вставка требует **~2.5 секунд** на 10 000 элементов, поскольку каждая операция при наличии дубликатов имени вынуждена сканировать весь список O(n). При случайных уникальных именах вставка выполняется в начало за O(1), но **поиск** всё равно линейный.
+
+**Вывод:** связный список непригоден для частого поиска в больших объёмах данных, но удобен как вспомогательный элемент (например, для цепочек в хеш-таблице).
+
+### 2. Хеш-таблица — устойчивость к порядку входных данных
+
+Хеш-таблица продемонстрировала **практически идентичные результаты** в обоих режимах:
+- Вставка: ~0.017 с (быстрее списка в ~150 раз)
+- Поиск: ~0.0002 с (быстрее списка в ~160 раз)
+
+Хеш-функция равномерно распределяет ключи независимо от порядка их поступления, поэтому производительность остаётся стабильной.
+
+### 3. BST катастрофически деградирует на упорядоченных данных
+
+Наиболее показательный результат эксперимента:
+
+| | Случайный | Сортированный | Ухудшение |
+|---|---|---|---|
+| BST insert | 0.017 с | **3.854 с** | **×225** |
+| BST find | 0.000145 с | **0.033 с** | **×231** |
+
+**Причина:** при вставке отсортированных данных дерево вырождается в линейный список — каждый новый элемент оказывается больше предыдущего и помещается только в правую ветку. Высота дерева становится O(n) вместо O(log n), что превращает все операции в линейные.
+
+### 4. Операция delete
+
+На случайных данных BST удаляет за **~0.0001 с** (логарифмическая сложность). На сортированных — **~0.046 с** (линейная деградация). HashTable показывает стабильные **~0.00012 с** независимо от порядка.
+
+---
+
+## Выводы и практические рекомендации
+
+### Выбор структуры в зависимости от задачи
+
+| Сценарий | Рекомендация |
+|---|---|
+| **Частый поиск по ключу** | HashTable или BST (случайный порядок) |
+| **Данные поступают упорядоченно** | HashTable (BST непригоден) |
+| **Требуется отсортированный вывод** | BST (обход даёт порядок за O(n)) |
+| **Интенсивные вставки/удаления + поиск** | HashTable |
+| **Ограниченный объём данных, простота** | LinkedList (до сотен элементов) |
+| **Диапазонные запросы** (например, A–M) | BST |
+
+### Теоретическая сложность операций
+
+| Структура | Insert | Find | Delete | Обход (отсорт.) |
+|---|---|---|---|---|
+| LinkedList | O(n) | O(n) | O(n) | O(n log n) |
+| HashTable | O(1) в среднем | O(1) в среднем | O(1) в среднем | O(n log n) |
+| BST (сбалансированный) | O(log n) | O(log n) | O(log n) | O(n) |
+| BST (вырожденный) | O(n) | O(n) | O(n) | O(n) |
+
+### Ключевой вывод
+
+Для телефонного справочника с частыми поисками и обновлениями оптимальный выбор — **хеш-таблица**. BST выигрывает только при необходимости получать отсортированные данные без дополнительной сортировки, но требует либо случайного порядка вставки, либо использования самобалансирующихся вариантов (AVL, красно-чёрное дерево).