Lesson4

Lesson4/lesson.py

@@ -0,0 +1,31 @@
+import cProfile
+import functools
+
+@functools.lru_cache()
+def fib(n):
+    if n < 2:
+        return n
+    return fib(n - 1) + fib(n - 2)
+
+#test_fib(fib)
+
+#cProfile.run('fib(10)')     177/1    0.000    0.000    0.000    0.000 lesson.py:3(fib)
+#cProfile.run('fib(15)')     1973/1    0.001    0.000    0.001    0.001 lesson.py:3(fib)
+#cProfile.run('fib(20)')     1973/1    0.001    0.000    0.001    0.001 lesson.py:3(fib)
+
+#python -m timeit -n 100 -s "import lesson" "lesson.fib(10)"
+
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import lesson" "lesson.fib(10)"
+# 100 loops, best of 5: 31.4 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import lesson" "lesson.fib(15)"
+# 100 loops, best of 5: 361 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import lesson" "lesson.fib(20)"
+# 100 loops, best of 5: 4.08 msec per loop
+
+#Decorator
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import lesson" "lesson.fib(10)"
+# 100 loops, best of 5: 402 nsec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import lesson" "lesson.fib(15)"
+# 100 loops, best of 5: 160 nsec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import lesson" "lesson.fib(20)"
+# 100 loops, best of 5: 160 nsec per loop

Lesson4/task1_l3t4.py

@@ -0,0 +1,115 @@
+# Проанализировать скорость и сложность одного - трёх любых алгоритмов, разработанных в рамках домашнего
+# задания первых трех уроков.
+# Алгоритм: Определить, какое число в массиве встречается чаще всего.
+
+import random
+import cProfile
+
+
+# Вариант #1
+def maxfreq(SIZE, RANGEMAX):
+    array = []
+    for _ in range(SIZE):
+        array.append(random.randint(0, RANGEMAX))
+
+    countarray = [0] * (RANGEMAX + 1)
+
+    for i in range(SIZE):
+        num = array[i]
+        countarray[num] += 1
+
+    maxpos = 0
+    for i in range(RANGEMAX):
+        if countarray[i] > maxpos:
+            maxpos = i
+    return maxpos
+
+# Вариант #2 (ваш вариант, слегка модернизированный - добавлен параметр RANGEMAX и обернутый в функцию
+def teachersmaxfreq(SIZE, RANGEMAX):
+    array = [random.randint(0, RANGEMAX) for _ in range(SIZE)]
+    num = array[0]
+    frequency = 1
+    for i in range(SIZE):
+        spam = 1
+        for k in range(i + 1, SIZE):
+            if array[i] == array[k]:
+                spam += 1
+        if spam > frequency:
+            frequency = spam
+            num = array[i]
+    return num, frequency
+
+# Слабым местом моего алгоритма является то, что при большом RANGEMAX массив, использующийся для подсчетов слишком сильно растет в размере.
+# Исходя из этого проведем замеры производительности двумя способами - меняя RANGEMAX при константном SIZE и наоборот
+# Сначала меняем RANGEMAX
+#
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.maxfreq(10, 10000)"
+# 100 loops, best of 5: 929 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.maxfreq(10, 100000)"
+# 100 loops, best of 5: 9.03 msec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.maxfreq(10, 1000000)"
+# 100 loops, best of 5: 93.6 msec per loop
+#
+# Далее меняем SIZE при константном RANGEMIN
+#
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.maxfreq(1000, 10)"
+# 100 loops, best of 5: 2.03 msec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.maxfreq(10000, 10)"
+# 100 loops, best of 5: 20.5 msec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.maxfreq(100000, 10)"
+# 100 loops, best of 5: 205 msec per loop
+#
+#cProfile.run('maxfreq(10, 10000)')        1    0.001    0.001    0.001    0.001 task1_l3t4.py:6(maxfreq)
+#cProfile.run('maxfreq(10, 100000)')       1    0.009    0.009    0.009    0.009 task1_l3t4.py:6(maxfreq)
+#Profile.run('maxfreq(10, 1000000)')       1    0.093    0.093    0.093    0.093 task1_l3t4.py:6(maxfreq)
+#cProfile.run('maxfreq(10000, 10)')        1    0.011    0.011    0.053    0.053 task1_l3t4.py:6(maxfreq)
+#cProfile.run('maxfreq(100000, 10)')       1    0.077    0.077    0.358    0.358 task1_l3t4.py:6(maxfreq)
+#cProfile.run('maxfreq(1000000, 10)')      1    0.734    0.734    3.473    3.473 task1_l3t4.py:6(maxfreq)
+#
+# Проведем тестирование второго варианта алгоритма с теми же параметрами
+#
+# Меняем RANGEMAX
+#
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.teachersmaxfreq(10, 10000)"
+# 100 loops, best of 5: 31.6 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.teachersmaxfreq(10, 100000)"
+# 100 loops, best of 5: 40.5 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.teachersmaxfreq(10, 1000000)"
+# 100 loops, best of 5: 34.2 usec per loop
+#
+# Меняем SIZE (TimeIT пришлось запускать с меньшими SIZE, т.к. при росте SIZE алгоритм быстро теряет эффективность)
+#
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.teachersmaxfreq(10, 10)"
+# 100 loops, best of 5: 31 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.teachersmaxfreq(100, 10)"
+# 100 loops, best of 5: 1.2 msec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task1_l3t4" "task1_l3t4.teachersmaxfreq(1000, 10)"
+# 100 loops, best of 5: 110 msec per loop
+#
+#cProfile.run('teachersmaxfreq(10, 10000)')        1    0.000    0.000    0.000    0.000 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('teachersmaxfreq(10, 100000)')       1    0.000    0.000    0.000    0.000 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('teachersmaxfreq(10, 1000000)')      1    0.000    0.000    0.000    0.000 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('teachersmaxfreq(100, 10)')          1    0.001    0.001    0.001    0.001 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('teachersmaxfreq(1000, 10)')         1    0.106    0.106    0.109    0.109 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('teachersmaxfreq(10000, 10)')        1    8.184    8.184    8.211    8.211 task1_l3t4.py:26(teachersmaxfreq)
+#
+# Проведем дополнительные замеры масштабируемости, увеличивая одновременно параметры SIZE и RANGEMAX
+#
+#cProfile.run('teachersmaxfreq(10, 10)')        1    0.000    0.000    0.002    0.002 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('maxfreq(10, 10)')                1    0.000    0.000    0.000    0.000 task1_l3t4.py:8(maxfreq)
+#cProfile.run('teachersmaxfreq(100, 100)')      1    0.001    0.001    0.001    0.001 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('maxfreq(100, 100)')              1    0.000    0.000    0.001    0.001 task1_l3t4.py:8(maxfreq)
+#cProfile.run('teachersmaxfreq(1000, 1000)')    1    0.277    0.277    0.288    0.288 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('maxfreq(1000, 1000)')            1    0.003    0.003    0.013    0.013 task1_l3t4.py:8(maxfreq)
+#cProfile.run('teachersmaxfreq(10000, 10000)')  1   10.959   10.959   11.017   11.017 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('maxfreq(10000, 10000)')          1    0.020    0.020    0.089    0.089 task1_l3t4.py:8(maxfreq)
+#cProfile.run('teachersmaxfreq(100000, 100000)')1  949.559  949.559  950.063  950.063 task1_l3t4.py:26(teachersmaxfreq)
+#cProfile.run('maxfreq(100000, 100000)')        1    0.167    0.167    0.778    0.778 task1_l3t4.py:8(maxfreq)
+#cProfile.run('maxfreq(1000000, 1000000)')      1    1.406    1.406    5.140    5.140 task1_l3t4.py:8(maxfreq)
+#cProfile.run('maxfreq(10000000, 10000000)')    1   14.630   14.630   53.828   53.828 task1_l3t4.py:8(maxfreq)
+#
+#
+# Вывод:
+# Первый вариант чувствителен к диапазону чисел, но лучше справляется с массивами из большего числа элементов.
+# Второй вариант нечувствителен к диапазону чисел, но быстро теряет эффективность при увеличении числа элекментов
+# в массиве

Lesson4/task2.py

@@ -0,0 +1,73 @@
+# Написать два алгоритма нахождения i-го по счёту простого числа.
+# Первый - использовать алгоритм решето Эратосфена.
+# Второй - без использования "решета".
+# Проанализировать скорость и сложность алгоритмов.
+
+import cProfile
+
+# Вариант 1 - используем решето Эратосфена
+def erathnum(f):
+    n = f * 100
+    a = [0] * n
+    for i in range(n):
+        a[i] = i
+    a[1] = 0
+    m = 2
+    while m < n:
+        if a[m] != 0:  # если он не равен нулю, то
+            j = m * 2  # увеличить в два раза (текущий элемент - простое число)
+            while j < n:
+                a[j] = 0  # заменить на 0
+                j = j + m  # перейти в позицию на m больше
+        m += 1
+    b = []
+    for i in a:
+        if a[i] != 0:
+            b.append(a[i])
+    del a
+    return(b[f - 1])
+
+# Вариант 2. Поиск простых чисел делением на все предыдущие найденные
+def findsimple(f):
+    simplenums = [2]
+    testednum = 2
+    while len(simplenums) < f:
+        counter = 0
+        testednum += 1
+        for i in range(0, (len(simplenums) - 1)):
+            if (testednum % simplenums[i]) == 0:
+                counter += 1
+        if counter == 0:
+            simplenums.append(testednum)
+    return(simplenums[f - 1])
+
+#
+# Тестируем производительность для первого варианта:
+#
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task2" "task2.erathnum(1)"
+# 100 loops, best of 5: 92.9 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task2" "task2.erathnum(10)"
+# 100 loops, best of 5: 1.39 msec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task2" "task2.erathnum(100)"
+# 100 loops, best of 5: 12.7 msec per loop
+#
+# cProfile.run('erathnum(100)')       1    0.013    0.013    0.013    0.013 task2.py:9(erathnum)
+# cProfile.run('erathnum(1000)')      1    0.164    0.164    0.166    0.166 task2.py:9(erathnum)
+# cProfile.run('erathnum(10000)')     1    2.043    2.043    2.058    2.058 task2.py:9(erathnum)
+#
+# Тестируем для второго алгоритма
+#
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task2" "task2.findsimple(1)"
+# 100 loops, best of 5: 640 nsec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task2" "task2.findsimple(10)"
+# 100 loops, best of 5: 59.7 usec per loop
+# (venv) C:\Users\user\PycharmProjects\Lesson1\Lesson4>python -m timeit -n 100 -s "import task2" "task2.findsimple(100)"
+# 100 loops, best of 5: 4.98 msec per loop
+#
+#cProfile.run('findsimple(100)')         1    0.008    0.008    0.008    0.008 task2.py:31(findsimple)
+#cProfile.run('findsimple(1000)')        1    1.270    1.270    1.276    1.276 task2.py:31(findsimple)
+#cProfile.run('findsimple(2000)')         1    4.554    4.554    4.567    4.567 task2.py:31(findsimple)
+#
+# Вывод - второй алгоритм показывает большую скорость при нахождении небольшого количества простых чисел,
+# но с ростом количества чисел, которые необходимо найти теряет эффективность,
+# т.к. количество операций растет экспоненциально