معرفی شرکت ها

algoaid-1.0.2

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
1.0.2
1.0.1
1.0.0
1.0.2
1.0.1
1.0.0

توضیحات

Tools for learning about algorithms and data structures
ویژگی مقدار
سیستم عامل -
نام فایل algoaid-1.0.2
نام algoaid
نسخه کتابخانه 1.0.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Emil Skydsgaard
ایمیل نویسنده emilostuff@gmail.com
آدرس صفحه اصلی https://github.com/Emilostuff/algoaid
آدرس اینترنتی https://pypi.org/project/algoaid/
مجوز -
# algoaid A collection of useful tools for students taking an introductory course in algorithms and data structures. # Installation ```bash pip install algoaid ``` # Features - Time complexity analysis of functions - Graphs - Represent: [weighted] [un]directed, disjoint-set/union find - Easy to input a graph - Run basic graph algorithms (DFS, BFS, MST, Dijkstra's and more) - Visualise results - Versatile Min/Max-heap with `decrease/increase` key functionality # Modules - Time complexity: `analyse` - Graph class: `Graph` - Priority queues: `MinHeap`, `MaxHeap` # Usage: Time Complexity Analysis Analyse time complexity of a function with a single parameter: #### 1. Import ```python from algoaid import analyse ``` #### 2. Define a Function ```python def f(n): j = 1 while j * j < n: j += 1 ``` #### 3. Analyse ```python analyse(f) ``` ### Example Result <p align="left"> <img src="https://i.imgur.com/p3lbLgD.png" width="500"> </p> # Usage: Graphs Construct various types of graphs and run a selection of popular graph algorithms: #### 1. Import ```python from algoaid import Graph ``` #### 2. Declare the Graph (each line represents an edge) ```python edges = """ 0..2 6 0..1 1 0..5 2 . . . 2..5 4 """ ``` Syntax: - Undirected: `[node1]..[node2] [weight (optional)]` - Directed: `[from]..[to] [weight (optional)]` - Disjoint-set: `[parent]..[child]` #### 3. Construct the Graph ```python # construct undirected graph g = Graph(edges, type=Graph.GraphType.GRAPH) # construct directed graph g = Graph(edges, type=Graph.GraphType.DI_GRAPH) # construct disjoint set g = Graph(edges, type=Graph.GraphType.DISJOINT_SET) ``` #### 4. Display the Graph ```python g.display("My Graph") ``` #### 5. Run Algorithms ```python # Run DFS from node 0 g.dfs_tree("0") # Run BFS from node 0 g.bfs_tree("0") # Compute MST (requires a weighted undirected graph) g.mst_tree() # Run Dijkstra's algorithm from node 0 (requires a weighted graph) g.dijkstra_tree("0") # Topological sorting (requires a directed graph) g.topological_sort() # Find with path compression (requires disjoint-set) g.show_find("6") # Union (requires disjoint-set) g.show_union("9", "11") ``` ### Example Results <p align="left"> <img src="https://i.imgur.com/5OWU2yK.png" width="700"> </p> <p align="left"> <img src="https://i.imgur.com/eth54X4.png" width="500"> </p> <p align="left"> <img src="https://i.imgur.com/yKTQ8Bn.png" width="500"> </p>


نیازمندی

مقدار نام
- matplotlib
- graphviz
- scipy
- numpy


زبان مورد نیاز

مقدار نام
>=3.8, <4 Python


نحوه نصب


نصب پکیج whl algoaid-1.0.2:

    pip install algoaid-1.0.2.whl


نصب پکیج tar.gz algoaid-1.0.2:

    pip install algoaid-1.0.2.tar.gz