Commit 8d4214dc authored by david's avatar david
Browse files

Ajout des fichiers Python du TP1

parent ac14e905
import math
# Classe utilisée pour faire des statistiques élémentaires
# sur une séquence d'opérations.
class Analyzer:
# Constructeur de la classe analyse
# Complexité en temps/espace, pire et meilleur cas : O(1)
def __init__(self):
self.cost = [];
self.cumulative_cost = [];
self.cumulative_square = 0.;
# Ajoute un coût, une valeur à l'analyse.
# Complexité en temps/espace, pire cas : O(size)
# Complexité en temps/espace, meilleur cas : O(1)
# Complexité amortie : O(1)
# @param x est la valeur que l'on souhaite ajouter à l'analyse.
def append(self, x):
self.cost.append(x)
self.cumulative_cost.append( self.cumulative_cost[len(self.cumulative_cost)-1]+x if len(self.cumulative_cost)>0 else x)
self.cumulative_square = self.cumulative_square+x*x
# Renvoie la somme des coûts enregistrés dans cette analyse.
# Complexité en temps/espace, meilleur cas : O(1)
# @returns la somme des coûts enregistrés dans cette analyse.
def get_total_cost(self):
return self.cumulative_cost[len(self.cumulative_cost)-1]
# Renvoie le coût amorti d'une opération.
# Complexité en temps/espace, meilleur cas : O(1)
# @param pos est l'indice de l'opération pour laquelle on veut connaître le coût amorti.
# @returns le coût amorti d'une opération.
def get_amortized_cost(self, pos):
return self.cumulative_cost[pos]/pos if pos>0 else self.cumulative_cost[pos]
# Renvoie la moyenne des coûts de toutes les opérations enregistrées dans l'analyse.
# Complexité en temps/espace, meilleur cas : O(1)
# @returns la moyenne des coûts de toutes les opérations enregistrées dans l'analyse.
def get_average_cost(self):
if len(self.cumulative_cost) == 0:
raise Exception('List is empty')
return self.cumulative_cost[len(self.cumulative_cost)-1]/len(self.cumulative_cost);
# Renvoie la variance des coûts de toutes les opérations enregistrées dans l'analyse.
# Complexité en temps/espace, meilleur cas : O(1)
# @returns la variance des coûts de toutes les opérations enregistrées dans l'analyse.
def get_variance(self):
mean = self.get_average_cost()
mean_square = mean*mean
return self.cumulative_square - mean_square
# Renvoie l'écart-type des coûts de toutes les opérations enregistrées dans l'analyse.
# Complexité en temps/espace, meilleur cas : O(1)
# @returns l'écart-type des coûts de toutes les opérations enregistrées dans l'analyse.
def get_standard_deviation(self):
return math.sqrt(self.get_variance())
# Sauvegarde la liste des coûts et des coûts amortis dans un fichier.
# Complexité en temps, meilleur/pire cas : O(size)
# @param path est le chemin du fichier dans lequel la sauvegarde est faite.
def save_values(self, path):
f = open(path, 'w')
for i in range(len(self.cost)):
f.write(str(i)+" "+str(self.cost[i])+" "+str(self.get_amortized_cost(i))+"\n")
f.close()
# Cette classe est un simple proxy vers le type "list" de python
# Le langage ne permettant pas de manipuler l'espace mémoire d'une "list",
# on se contente ici d'observer son comportement.
class ArrayListProxy:
# Constructeur de la classe ArraylistProxy
def __init__(self):
self.data = []
# Ajoute l'élément x au tableau
# Complexité en temps/espace, pire cas : O(data.size)
# Complexité en temps/espace, meilleur cas : O(1)
# Complexité amortie : O(1)
def append(self, x):
self.data.append(x)
# Supprime le dernier élément du tableau
def pop_back(self):
self.data.pop()
# Renvoie l'élément situé à la position 'pos' dans le tableau
def get(self, pos):
return self.data[pos]
# Renvoie le nombre d'éléments dans le tableau
def get_size(self):
return len(data)
import time
import sys
from arraylist import ArrayListProxy
from analyzer import Analyzer
# Tableau dynamique.
a = ArrayListProxy()
# Analyse du temps pris par les opérations.
time_analysis = Analyzer();
for i in range(1000000):
before = time.time()
a.append(i)
after = time.time()
# Enregistrement du temps pris par l'opération
time_analysis.append((after - before)*10**9)
# Affichage de quelques statistiques sur l'expérience.
sys.stderr.write("Total cost : " + str(time_analysis.get_total_cost())+"\n")
sys.stderr.write("Average cost : " + str(time_analysis.get_average_cost())+"\n")
sys.stderr.write("Variance :" + str(time_analysis.get_variance())+"\n")
sys.stderr.write("Standard deviation :" + str(time_analysis.get_standard_deviation())+"\n")
// Sauvegarde les données de l'expérience: temps et temps amorti par opération.
time_analysis.save_values("../dynamic_array_time_python.plot")
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment