LoslegenKostenlos starten

Online‑Shopping-Erlebnis vergleichen

Erlebe jetzt die Wirkung effizienter Algorithmen! Führe den bereitgestellten Code aus und vergleiche die Leistung von vier verschiedenen Algorithmen (Bubble Sort und Linear Search sowie Quick Sort und Binary Search).

Du musst nicht programmieren. Passe einfach einen Parameter an und sieh dir an, wie sich die Algorithmen unter unterschiedlichen Bedingungen schlagen. Ändere den Parameter oben namens num_items. (Dieser Parameter simuliert, wie viele Artikel ein Online‑Shopping‑Katalog enthält.)

Führe den Code aus, vergleiche die Ergebnisse und achte darauf, wie beim Erhöhen von 1000 auf 10000 eine Option deutlich länger braucht als die andere.

Stell dir vor, wie viel besser (also schneller) das Erlebnis mit dem einen Algorithmus‑Paar im Vergleich zum anderen wäre, wenn du auf einer E‑Commerce‑Website eine Artikelliste nach Preis sortierst.

Diese Übung ist Teil des Kurses

<Kurs>Konzepte der Informatik</Kurs>
Kurs ansehen

Übungsanweisungen

  • Ändere num_items auf eine beliebige Zahl, die du vergleichen möchtest. (Beispiel: Stell dir vor, www.amazon.com hat 1.000 Artikel – setze num_items = 1000).

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Change this parameter
num_items = 1000

####### Leave the code below this line alone ########
catalog = [random.randint(0, num_items) for _ in range(num_items)]
total_time_bubble_linear = time_bubble_sort_and_linear_search(catalog)
catalog = [random.randint(0, num_items) for _ in range(num_items)]
total_time_quick_binary = time_quick_sort_and_binary_search(catalog)

df = pd.DataFrame({"Method": ["Bubble Sort + Linear Search", "Quick Sort + Binary Search"],
                   "Total Time (seconds)": [total_time_bubble_linear, total_time_quick_binary]})
print(df)
Code bearbeiten und ausführen