From 23b9b5851c29dc9ec1d0acf9d1328ed14f7e1744 Mon Sep 17 00:00:00 2001
From: Ilia Kruglov <i9200418888@gmail.com>
Date: Fri, 14 Sep 2018 01:49:29 +0300
Subject: [PATCH] 070_lesson

---
 task_01.py |  21 +++++++++++
 task_02.py |  28 +++++++++++++++
 task_03.py | 102 +++++++++++++++++++++++++++++++++++++++++++++++++++++
 3 files changed, 151 insertions(+)
 create mode 100644 task_01.py
 create mode 100644 task_02.py
 create mode 100644 task_03.py

diff --git a/task_01.py b/task_01.py
new file mode 100644
index 0000000..09d380b
--- /dev/null
+++ b/task_01.py
@@ -0,0 +1,21 @@
+import random
+
+N = 10
+
+a = [0] * N
+for i in range(N):
+    a[i] = random.randrange(-100, 100)
+print(f'raw_list = {a}')
+
+for i in range(N - 1):
+    # print('#' * 66)
+    # print(i)
+    for j in range(N - 1 - i):
+        # print('*' * 66)
+        # print(j)
+        if a[j] > a[j + 1]:
+            a[j], a[j + 1] = a[j + 1], a[j]
+
+print(f'sorted a = {a}')
+a_reverse = sorted(a, reverse=True)
+print(f'sorted and reversed = {a_reverse}')
diff --git a/task_02.py b/task_02.py
new file mode 100644
index 0000000..f90de72
--- /dev/null
+++ b/task_02.py
@@ -0,0 +1,28 @@
+import random
+
+N = 10
+
+
+def sum_(m):
+    s = 0
+    while m > 0:
+        s += m % 10
+        m = m // 10
+    return s
+
+
+a = [0] * N
+for i in range(N):
+    a[i] = random.randrange(0, 50)
+print(a)
+
+for i in range(N - 1):
+    for j in range(N - 1 - i):  # i in first loop is 0
+        if sum_(a[j]) > sum_(a[j + 1]):
+            a[j], a[j + 1] = a[j + 1], a[j]
+
+print(a)
+a_result = []
+for i in range(N):
+    a_result.append(sum_(a[i]))
+print(f'{a_result}')
diff --git a/task_03.py b/task_03.py
new file mode 100644
index 0000000..2881b6d
--- /dev/null
+++ b/task_03.py
@@ -0,0 +1,102 @@
+import random
+
+M = 10
+N = 2 * M + 1
+
+l = [0] * N
+for i in range(N):
+    l[i] = random.randrange(0, 100)
+print(f'raw_list = {l}')
+x = sorted(l[:])
+print(f'sorted_list = {x}')
+
+# With love to https://habr.com/post/346930/
+
+def nlogn_median(l):
+    n = len(l)
+    if n % 2 == 1:
+        return sorted(l)[n // 2]
+    else:
+        return sum(sorted(l)[n // 2 - 1: n // 2 + 1]) / 2.0
+
+
+def quickselect_median(l, pivot_fn=random.choice):
+    if len(l) % 2 == 1:
+        return quickselect(l, len(l) / 2, pivot_fn)
+    else:
+        return 0.5 * (quickselect(l, len(l) / 2 - 1, pivot_fn) +
+                      quickselect(l, len(l) / 2, pivot_fn))
+
+
+def quickselect(l, k, pivot_fn):
+    """
+    Выбираем k-тый элемент в списке l (с нулевой базой)
+    :param l: список числовых данных
+    :param k: индекс
+    :param pivot_fn: функция выбора pivot, по умолчанию выбирает случайно
+    :return: k-тый элемент l
+    """
+    if len(l) == 1:
+        assert k == 0
+        return l[0]
+
+    pivot = pivot_fn(l)
+
+    lows = [el for el in l if el < pivot]
+    highs = [el for el in l if el > pivot]
+    pivots = [el for el in l if el == pivot]
+
+    if k < len(lows):
+        return quickselect(lows, k, pivot_fn)
+    elif k < len(lows) + len(pivots):
+        # Нам повезло и мы угадали медиану
+        return pivots[0]
+    else:
+        return quickselect(highs, k - len(lows) - len(pivots), pivot_fn)
+
+
+def pick_pivot(l):
+    """
+    Выбираем хорошй pivot в списке чисел l
+    Этот алгоритм выполняется за время O(n).
+    """
+    assert len(l) > 0
+
+    # Если элементов < 5, просто возвращаем медиану
+    if len(l) < 5:
+        # В этом случае мы возвращаемся к первой написанной нами функции медианы.
+        # Поскольку мы выполняем её только для списка из пяти или менее элементов, она не
+        # зависит от длины входных данных и может считаться постоянным
+        # временем.
+        return nlogn_median(l)
+
+    # Сначала разделим l на группы по 5 элементов. O(n)
+    chunks = chunked(l, 5)
+
+    # Для простоты мы можем отбросить все группы, которые не являются полными. O(n)
+    full_chunks = [chunk for chunk in chunks if len(chunk) == 5]
+
+    # Затем мы сортируем каждый фрагмент. Каждая группа имеет фиксированную длину, поэтому каждая сортировка
+    # занимает постоянное время. Поскольку у нас есть n/5 фрагментов, эта операция
+    # тоже O(n)
+    sorted_groups = [sorted(chunk) for chunk in full_chunks]
+
+    # Медиана каждого фрагмента имеет индекс 2
+    medians = [chunk[2] for chunk in sorted_groups]
+
+    # Возможно, я немного повторюсь, но я собираюсь доказать, что нахождение
+    # медианы списка можно произвести за доказуемое O(n).
+    # Мы находим медиану списка длиной n/5, поэтому эта операция также O(n)
+    # Мы передаём нашу текущую функцию pick_pivot в качестве создателя pivot алгоритму
+    # quickselect. O(n)
+    median_of_medians = quickselect_median(medians, pick_pivot)
+    return median_of_medians
+
+
+def chunked(l, chunk_size):
+    """Разделяем список `l` на фрагменты размером `chunk_size`."""
+    return [l[i:i + chunk_size] for i in range(0, len(l), chunk_size)]
+
+print(f'n*logn median = {nlogn_median(l)}')
+print(f'quickselect_median = {quickselect_median(l, pivot_fn=random.choice)}')
+print(f'determine O(n) = {pick_pivot(l)}')  # что-то здесь пошло не так с медианой???