CommencerCommencez gratuitement

Comparer l’expérience d’achat en ligne

Découvrez la puissance de l’efficacité des algorithmes ! Exécutez le code fourni et comparez les performances de quatre algorithmes différents (tri à bulles et recherche linéaire, ainsi que tri rapide et recherche binaire).

Aucune saisie de code requise. Ajustez un paramètre et observez leurs performances dans différentes conditions. Modifiez le paramètre en haut nommé num_items. (Ce paramètre simule le nombre d’articles dans un catalogue d’achat en ligne).

Exécutez le code, comparez les résultats et constatez, lorsque nous passons de 1000 à 10000, combien plus longtemps une option prend par rapport à l’autre.

Imaginez à quel point l’expérience serait meilleure (c’est-à-dire plus rapide) avec l’un de ces couples d’algorithmes par rapport à l’autre si vous triiez une liste d’articles par prix sur un site d’e-commerce.

Cet exercice fait partie du cours

<cours>Concepts en informatique</cours>
Voir le cours

Instructions de l’exercice

  • Modifiez num_items avec le nombre que vous souhaitez comparer. (ex. : imaginez que www.amazon.com a 1 000 articles, mettez num_items = 1000).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)
Modifier et exécuter le code