110 lines
6.0 KiB
Python
110 lines
6.0 KiB
Python
"""
|
||
Экспериментальная часть. Пункт 1: Генерация тестовых данных.
|
||
Цель: создать список записей (имя, телефон) для дальнейшего тестирования
|
||
структур данных (связный список, хеш-таблица, BST).
|
||
|
||
Особенности реализации:
|
||
- N = 10000 записей.
|
||
- Два режима: случайный порядок и отсортированный по имени.
|
||
- Имена генерируются равномерно (User_00000 ... User_09999) + небольшой
|
||
набор повторяющихся имен для создания коллизий в хеш-таблице.
|
||
- Телефоны — случайные строки из 10 цифр.
|
||
"""
|
||
|
||
import random
|
||
|
||
def generate_test_data(n=10000, duplicate_names_ratio=0.1):
|
||
"""
|
||
Генерирует два набора записей: в случайном порядке и отсортированном.
|
||
|
||
Параметры:
|
||
- n: общее количество записей (по умолчанию 10000).
|
||
- duplicate_names_ratio: доля имен, которые будут повторяться (коллизии).
|
||
Например, 0.1 означает, что 10% записей будут использовать
|
||
имена из небольшого пула, остальные 90% — уникальные User_XXXXX.
|
||
|
||
Возвращает:
|
||
- records_shuffled: список кортежей (name, phone) в случайном порядке.
|
||
- records_sorted: тот же список, но отсортированный по имени.
|
||
"""
|
||
|
||
# 1. Создаем пул уникальных имен (равномерное распределение)
|
||
# Формат: User_00000, User_00001, ..., User_09999
|
||
unique_names = [f"User_{i:05d}" for i in range(n)]
|
||
|
||
# 2. Создаем небольшой пул имен для повторений (коллизий)
|
||
# Например, 20 разных имен, которые будут многократно встречаться.
|
||
collision_pool_size = max(1, int(n * duplicate_names_ratio)) # ~1000 имен для 10000 записей (10%)
|
||
collision_names = [f"Common_{j:03d}" for j in range(collision_pool_size)]
|
||
|
||
# 3. Формируем итоговый список имен с повторениями
|
||
# - Первые (n - collision_pool_size) записей — уникальные.
|
||
# - Оставшиеся collision_pool_size записей — случайные из пула коллизий.
|
||
names = []
|
||
# Уникальная часть
|
||
names.extend(unique_names[:n - collision_pool_size])
|
||
# Часть с повторениями (для проверки коллизий в хеш-таблице)
|
||
for _ in range(collision_pool_size):
|
||
names.append(random.choice(collision_names))
|
||
|
||
# Перемешиваем имена, чтобы повторяющиеся имена не шли подряд
|
||
random.shuffle(names)
|
||
|
||
# 4. Генерируем случайные телефоны (10 цифр)
|
||
phones = []
|
||
for _ in range(n):
|
||
phone = ''.join(random.choices('0123456789', k=10))
|
||
phones.append(phone)
|
||
|
||
# 5. Собираем записи в список кортежей
|
||
records = list(zip(names, phones))
|
||
|
||
# 6. Создаем две версии: случайную и отсортированную
|
||
records_shuffled = records.copy() # уже случайный порядок после shuffle
|
||
records_sorted = sorted(records, key=lambda x: x[0]) # сортировка по имени
|
||
|
||
return records_shuffled, records_sorted
|
||
|
||
def print_sample(records, title, count=10):
|
||
"""Вспомогательная функция: печатает первые count записей."""
|
||
print(f"\n{title} (первые {count} записей):")
|
||
for name, phone in records[:count]:
|
||
print(f" {name}: {phone}")
|
||
|
||
# ========== Демонстрация работы ==========
|
||
if __name__ == "__main__":
|
||
# Фиксируем seed для воспроизводимости результатов
|
||
random.seed(42)
|
||
|
||
# Генерируем данные: N = 10000, доля коллизий 10%
|
||
N = 10000
|
||
shuffled, sorted_data = generate_test_data(N, duplicate_names_ratio=0.1)
|
||
|
||
# Выводим статистику и примеры
|
||
print(f"Сгенерировано {N} записей.")
|
||
print(f"Доля имен с повторениями (коллизиями): ~10%")
|
||
|
||
# Показываем несколько примеров из каждого набора
|
||
print_sample(shuffled, "Случайный порядок")
|
||
print_sample(sorted_data, "Отсортированный порядок")
|
||
|
||
# Дополнительно: проверка, что в отсортированном порядке имена действительно упорядочены
|
||
first_five_sorted = [name for name, _ in sorted_data[:5]]
|
||
print(f"\nПервые 5 имен в отсортированном наборе: {first_five_sorted}")
|
||
# Ожидается: ['Common_000', 'Common_001', ...] или 'User_...' — лексикографически
|
||
|
||
# Проверка наличия коллизий (повторяющихся имен)
|
||
unique_names_in_shuffled = set(name for name, _ in shuffled)
|
||
print(f"\nУникальных имен в случайном наборе: {len(unique_names_in_shuffled)}")
|
||
print(f"(меньше {N} из-за повторений для коллизий)")
|
||
|
||
# Сохраняем в файлы (опционально, для отладки)
|
||
# import csv
|
||
# with open("docs/data/records_shuffled.csv", "w") as f:
|
||
# writer = csv.writer(f)
|
||
# writer.writerows(shuffled)
|
||
# with open("docs/data/records_sorted.csv", "w") as f:
|
||
# writer = csv.writer(f)
|
||
# writer.writerows(sorted_data)
|
||
|