diff --git a/.DS_Store b/.DS_Store
index 2123ae47bd8ef83e1b398d97f7ec8e2ce611ea62..314ae6525454bb8cda41d76ab1fb1f8d62dc8f23 100644
Binary files a/.DS_Store and b/.DS_Store differ
diff --git a/Tp07/analyse_tris.csv b/Tp07/analyse_tris.csv
index 7526113c3f8b7814574ddf30e1f0af02fef32a18..047dc861a8519f12ee7b66dbe66ef9c746af2890 100644
--- a/Tp07/analyse_tris.csv
+++ b/Tp07/analyse_tris.csv
@@ -2,101 +2,101 @@ taille;"tri séléction";"tri insertion"
0; 0.00; 0.00
1; 0.00; 0.00
2; 1.00; 1.00
- 3; 3.00; 2.62
- 4; 6.00; 4.96
- 5; 10.00; 7.72
- 6; 15.00; 11.44
- 7; 21.00; 15.40
- 8; 28.00; 19.02
- 9; 36.00; 24.62
- 10; 45.00; 28.80
- 11; 55.00; 35.70
- 12; 66.00; 40.96
- 13; 78.00; 50.26
- 14; 91.00; 56.38
- 15; 105.00; 66.54
- 16; 120.00; 73.34
- 17; 136.00; 81.82
- 18; 153.00; 94.12
- 19; 171.00; 103.36
- 20; 190.00; 109.78
- 21; 210.00; 121.60
- 22; 231.00; 131.76
- 23; 253.00; 143.06
- 24; 276.00; 156.52
- 25; 300.00; 175.36
- 26; 325.00; 182.90
- 27; 351.00; 192.02
- 28; 378.00; 212.32
- 29; 406.00; 227.84
- 30; 435.00; 243.40
- 31; 465.00; 262.58
- 32; 496.00; 278.14
- 33; 528.00; 293.86
- 34; 561.00; 312.92
- 35; 595.00; 332.28
- 36; 630.00; 344.32
- 37; 666.00; 354.34
- 38; 703.00; 397.18
- 39; 741.00; 410.56
- 40; 780.00; 429.42
- 41; 820.00; 453.40
- 42; 861.00; 461.80
- 43; 903.00; 485.46
- 44; 946.00; 517.10
- 45; 990.00; 540.00
- 46; 1035.00; 554.30
- 47; 1081.00; 575.34
- 48; 1128.00; 607.34
- 49; 1176.00; 620.18
- 50; 1225.00; 647.48
- 51; 1275.00; 693.96
- 52; 1326.00; 712.04
- 53; 1378.00; 732.64
- 54; 1431.00; 768.84
- 55; 1485.00; 794.12
- 56; 1540.00; 820.92
- 57; 1596.00; 822.34
- 58; 1653.00; 877.84
- 59; 1711.00; 917.66
- 60; 1770.00; 948.42
- 61; 1830.00; 956.04
- 62; 1891.00; 1005.00
- 63; 1953.00; 1042.60
- 64; 2016.00; 1037.82
- 65; 2080.00; 1087.02
- 66; 2145.00; 1147.22
- 67; 2211.00; 1184.68
- 68; 2278.00; 1215.44
- 69; 2346.00; 1239.10
- 70; 2415.00; 1247.28
- 71; 2485.00; 1310.14
- 72; 2556.00; 1336.78
- 73; 2628.00; 1395.50
- 74; 2701.00; 1417.10
- 75; 2775.00; 1464.58
- 76; 2850.00; 1482.62
- 77; 2926.00; 1545.84
- 78; 3003.00; 1566.48
- 79; 3081.00; 1622.52
- 80; 3160.00; 1637.64
- 81; 3240.00; 1686.34
- 82; 3321.00; 1740.88
- 83; 3403.00; 1789.50
- 84; 3486.00; 1814.38
- 85; 3570.00; 1857.88
- 86; 3655.00; 1929.30
- 87; 3741.00; 1980.88
- 88; 3828.00; 1973.52
- 89; 3916.00; 2066.94
- 90; 4005.00; 2085.78
- 91; 4095.00; 2125.72
- 92; 4186.00; 2220.08
- 93; 4278.00; 2240.44
- 94; 4371.00; 2283.70
- 95; 4465.00; 2359.88
- 96; 4560.00; 2385.16
- 97; 4656.00; 2450.00
- 98; 4753.00; 2473.96
- 99; 4851.00; 2531.32
-100; 4950.00; 2564.28
+ 3; 3.00; 2.64
+ 4; 6.00; 5.00
+ 5; 10.00; 7.86
+ 6; 15.00; 11.46
+ 7; 21.00; 14.70
+ 8; 28.00; 19.64
+ 9; 36.00; 25.42
+ 10; 45.00; 29.94
+ 11; 55.00; 35.96
+ 12; 66.00; 43.34
+ 13; 78.00; 48.08
+ 14; 91.00; 53.64
+ 15; 105.00; 63.70
+ 16; 120.00; 71.38
+ 17; 136.00; 83.42
+ 18; 153.00; 91.68
+ 19; 171.00; 101.96
+ 20; 190.00; 115.44
+ 21; 210.00; 123.02
+ 22; 231.00; 132.92
+ 23; 253.00; 142.60
+ 24; 276.00; 153.86
+ 25; 300.00; 172.64
+ 26; 325.00; 184.34
+ 27; 351.00; 198.60
+ 28; 378.00; 217.44
+ 29; 406.00; 225.00
+ 30; 435.00; 239.34
+ 31; 465.00; 259.34
+ 32; 496.00; 280.90
+ 33; 528.00; 284.24
+ 34; 561.00; 310.76
+ 35; 595.00; 325.26
+ 36; 630.00; 343.40
+ 37; 666.00; 359.78
+ 38; 703.00; 375.08
+ 39; 741.00; 400.10
+ 40; 780.00; 430.74
+ 41; 820.00; 452.26
+ 42; 861.00; 468.32
+ 43; 903.00; 495.84
+ 44; 946.00; 507.40
+ 45; 990.00; 533.92
+ 46; 1035.00; 555.38
+ 47; 1081.00; 598.14
+ 48; 1128.00; 599.04
+ 49; 1176.00; 635.12
+ 50; 1225.00; 658.20
+ 51; 1275.00; 676.26
+ 52; 1326.00; 709.66
+ 53; 1378.00; 732.12
+ 54; 1431.00; 760.52
+ 55; 1485.00; 802.84
+ 56; 1540.00; 807.68
+ 57; 1596.00; 846.38
+ 58; 1653.00; 861.46
+ 59; 1711.00; 890.74
+ 60; 1770.00; 946.72
+ 61; 1830.00; 992.92
+ 62; 1891.00; 1023.54
+ 63; 1953.00; 1019.50
+ 64; 2016.00; 1057.94
+ 65; 2080.00; 1086.24
+ 66; 2145.00; 1128.60
+ 67; 2211.00; 1165.44
+ 68; 2278.00; 1204.84
+ 69; 2346.00; 1219.90
+ 70; 2415.00; 1281.70
+ 71; 2485.00; 1316.64
+ 72; 2556.00; 1342.46
+ 73; 2628.00; 1418.52
+ 74; 2701.00; 1405.10
+ 75; 2775.00; 1451.02
+ 76; 2850.00; 1518.22
+ 77; 2926.00; 1518.80
+ 78; 3003.00; 1564.58
+ 79; 3081.00; 1623.58
+ 80; 3160.00; 1642.04
+ 81; 3240.00; 1710.88
+ 82; 3321.00; 1745.06
+ 83; 3403.00; 1764.28
+ 84; 3486.00; 1816.94
+ 85; 3570.00; 1854.54
+ 86; 3655.00; 1912.42
+ 87; 3741.00; 1968.82
+ 88; 3828.00; 1975.62
+ 89; 3916.00; 2040.76
+ 90; 4005.00; 2121.34
+ 91; 4095.00; 2139.34
+ 92; 4186.00; 2212.86
+ 93; 4278.00; 2208.74
+ 94; 4371.00; 2274.04
+ 95; 4465.00; 2334.48
+ 96; 4560.00; 2351.64
+ 97; 4656.00; 2429.18
+ 98; 4753.00; 2424.46
+ 99; 4851.00; 2481.82
+100; 4950.00; 2554.04
diff --git a/Tp07/analyse_tris2.py b/Tp07/analyse_tris2.py
new file mode 100755
index 0000000000000000000000000000000000000000..e0a6b738c6096de1c0ece27483026caa3461ff9c
--- /dev/null
+++ b/Tp07/analyse_tris2.py
@@ -0,0 +1,94 @@
+#!/usr/bin/python3
+# -*- coding: utf-8 -*-
+
+"""
+:mod:`analyse_tris` module
+:author: FIL - Faculté des Sciences et Technologies - Univ. Lille <http://portail.fil.univ-lille1.fr>_
+:date: janvier 2017
+:dernières révisions: février 2018, février 2019
+
+Analyse empirique des tris
+
+"""
+from random import shuffle
+from typing import Callable
+from compare import compare
+from ap_decorators import count
+from tris import *
+from functools import cmp_to_key
+
+################################################
+# ANALYSE EMPIRIQUE DES TRIS #
+################################################
+
+# ajout d'un compteur à la fonction compare
+compare = count(compare)
+
+def analyser_tri(tri: Callable[[list[T], Callable[[T, T], int]], NoneType],
+ nbre_essais: int,
+ taille: int) -> float:
+ """
+ renvoie: le nombre moyen de comparaisons effectuées par l'algo tri
+ pour trier des listes de taille t, la moyenne étant calculée
+ sur n listes aléatoires.
+ précondition: n > 0, t >= 0, la fonc
+ """
+ res = 0
+ for i in range(nbre_essais):
+ compare.counter = 0
+ l = [k for k in range(taille)]
+ shuffle(l)
+ tri(l, compare)
+ res += compare.counter
+ return res / nbre_essais
+
+def tri_sort(l:list[int], cmp):
+ """à_remplacer_par_ce_que_fait_la_fonction
+
+ Précondition :
+ Exemple(s) :
+ $$$
+
+ """
+ l.sort(key = cmp_to_key(cmp))
+
+
+if (__name__ == '__main__'):
+ from matplotlib import pyplot as plt
+
+ # Calcul de nombres moyens de comparaison pour des listes
+ # de tailles comprises entre 0 et TAILLE_MAX
+ NB_ESSAIS = 50
+ TAILLE_MAX = 100
+ c_select = [0.0] * (TAILLE_MAX + 1)
+ c_insert = [0.0] * (TAILLE_MAX + 1)
+ c_sort = [0.0] * (TAILLE_MAX + 1)
+
+ for t in range(TAILLE_MAX + 1):
+ c_select[t] = analyser_tri(tri_select, 1, t)
+ # inutile de moyenner pour le tri par sélection
+ c_insert[t] = analyser_tri(tri_insert, NB_ESSAIS, t)
+ c_sort[t] = analyser_tri(tri_sort, NB_ESSAIS, t)
+
+ # Sauvegarde des données calculées dans un fichier au format CSV
+ prem_ligne = 'taille;"tri séléction";"tri insertion"\n'
+ ligne = '{:3d};{:8.2f};{:8.2f}\n'
+ with open('analyse_tris.csv', 'wt', encoding='utf8') as sortie:
+ sortie.write(prem_ligne)
+ for t in range(TAILLE_MAX + 1):
+ sortie.write(ligne.format(t,
+ c_select[t],
+ c_insert[t]))
+
+ # Représentation graphique
+ plt.plot(list(range(TAILLE_MAX + 1)), c_select, 'b.', label='Tri sélection')
+ plt.plot(list(range(TAILLE_MAX + 1)), c_insert, 'r.', label='Tri insertion')
+ plt.plot(list(range(TAILLE_MAX + 1)), c_sort, 'g.', label='Tri sort')
+ plt.title('Tris : nbre de comparaisons')
+ plt.legend()
+ plt.xlabel('n = taille des listes')
+ plt.ylabel('c(n) = nbre de comparaisons')
+ plt.savefig('tris_nbcomp.png')
+ plt.show()
+
+
diff --git a/Tp07/tris_nbcomp.png b/Tp07/tris_nbcomp.png
index a2ce8bdaaad372e005af87d22e90db36c52fb421..d1437223e647c02958e0b2f80200baade2d587cf 100644
Binary files a/Tp07/tris_nbcomp.png and b/Tp07/tris_nbcomp.png differ