create_hash_table

tp_2_miso_dict.py

-import matplotlib.pyplot as plt
-import numpy as np
-import time
-import sys
-
-
-
-###### PARTIE 2 ######
-
-def experiment_load_factor(load_factors):
-	"""
-	Étude du facteur de charge
-	"""
-	return [],[],[]
-
-def experiment_longest():
-	"""
-	TODO: que fait cette fonction
-	"""
-	d = {}
-	insertion_times = []
-
-	for i in range(10000):
-		key = str(i)
-		value = i
-		start_time = time.time()
-		d[key] = value
-		insertion_time = time.time() - start_time
-		insertion_times.append(insertion_time)
-	frequencies = np.histogram(insertion_times)[0]
-	return frequencies
-
-def visualisation(load_factors, insertion_times, num_resizes, sizes, frequencies):
-	"""
-	Visualisation des résultats
-	"""
-	# Temps d'insertion en fonction du facteur de charge
-
-	# Nombre de réallocations de mémoire en fonction du facteur de charge
-	
-	# Taille de mémoire occupée en fonction du nombre d'éléments
-	
-	# Deuxième étude
-	f = list()
-	plt.figure(figsize=(10, 6))
-	plt.bar(range(len(f)), f)
-	plt.xlabel('Temps d\'insertion (s)')
-	plt.ylabel('Fréquence')
-	plt.title('Histogramme des fréquences des temps d\'insertions')
-	plt.yscale('log')
-	xticks = np.logspace(-6, 1, 3)  
-	xtick_labels = [f'{x:.1e}' for x in xticks]  
-	plt.xticks(xticks, xtick_labels)    
-	plt.savefig('histogramme.png')
-
-load_factors = [0.01, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]
-insertion_times, num_resizes, sizes = experiment_load_factor(load_factors)
-frequencies = experiment_longest()
-visualisation(load_factors, insertion_times, num_resizes, sizes, frequencies)