‏Array indexing چیست؟🚀

‏Array indexing تکنیکیه که برای دسترسی به المنت ها در یک آرایه بر اساس موقعیت یا ایندکس اونها استفاده میشه. همونطور که میدونید هر المنت در یک آرایه با ایندکس خود مشخص میشه که نشون دهنده موقعیت اون نسبت به المنت اول هست. ایندکسینگ امکان دسترسی موثر و مستقیم به هر المنت در آرایه رو فراهم میکنه که برای کارهای محاسباتی مختلف ضروری هست. به عنوان مثال یک آرایه یک بعدی رو در نظر بگیرید:

int A[5] ={10, 20, 30, 40, 50}

در این آرایه 5 عنصر وجود داره که در مکان های حافظه به هم پیوسته ذخیره میشن. ایندکس المنت اول 0، المنت دوم 1 و... هست. و همونطور که میدونید برای دسترسی مثلا به المنت سوم آرایه باید اینکار رو انجام بدیم:

A[2] = 30;

از اونجا که ایندکسینگ از صفر شروع میشه در واقع ایندکس دوم به المنت سوم اشاره داره. اما میدونستید میشه هر کدوم از این هارو محاسبه کرد؟

موقعیت هر المنت در یک آرایه یک بعدی رو میشه با استفاده از یک فرمول ساده محاسبه کرد. این فرمول آدرس پایه آرایه، ایندکس المنت و اندازه هر المنت در حافظه رو محاسبه میکنه( توجه داشته باشید فقط برای آرایه های یک بعدی جوابه)

Address of A[i] = Base Address  + (i * Size of each element)

به عنوان مثال، اگر آدرس پایه آرایهA هزار باشه و هر عدد صحیح 4 بایت حافظه اشغال کنه، آدرس المنت در ایندکس دوم میشه:

Address of  A[2] = 1000 + (2 * 4) = 1008

بنابراین، المنت در ایندکس 2 در حافظه به آدرس 1008 ذخیره میشه.

محاسبه آدرس المنت چند بعدی ⬇️

اما این ها برای آرایه های یک بعدی بود و برای آرایه های چند بعدی مساعل پیچیده تر میشه، چون باید چندین ایندکس رو در نظر بگیرید. با این حال، فرآیند رو میشه به صورت انتراعی توضیح داد. به عنوان مثال فرمول کلی ما در آرایه های یک بعدی اینه: ( فرمول بالایی هم هست اما این جامع تره)

Address of A[i] = B + W * (i - L_B)

به صورت خلاصه معنی این فرمول یعنی این:
‏- B: آدرس پایه آرایه است.
‏- W: اندازه هر المنت در بایت.
‏- i: ایندکس المنت.
‏- L_B(lower bound): به کوچکترین یا مقدار ایندکس اولیه ای که المنت آرایه از اون ایندکس شروع میشه اشاره داره. ( به صورت دیفالت 0 هست که در نظر گرفته نمیشه)

برای اینکه پست زیادی طولانی نشه، ادامه مطالب رو در تلگراف برای شما عزیزان آماده کردیم🙂

#array
@CodeModule

علتش چیه؟ 😠

چند وقت پیش داشتم الگوریتم مرتب سازی insertion رو پیاده سازی میکردم و برام سوال شد، چجوری میتونم سرعت مرتب سازی رو بیشتر کنم (در حد کنجکاوی). در هنگام پیاده‌سازی الگوریتم مرتب‌سازی Insertion Sort در جاوااسکریپت، معمولاً این الگوریتم به صورت زیر نوشته میشه:

function insertionSort(arr) {
  for (let i = 1; i < arr.length; i = i + 1) {
    let cE = arr[i];
    let j = i;
    while (j > 0 && arr[j - 1] > cE) {
      arr[j] = arr[j - 1];
      j = j - 1;
    }
    arr[j] = cE;
  }
  return arr;
}
console.time();
const uArray = [20, 10, 4, 51, 0, 0xd3, 0x42, 0.4, 0.00002, 0x2];
const sArray = insertionSort(uArray);
console.log("Sorted array:", sArray);
console.timeEnd();

در اینجا، زمان اجرای الگوریتم با استفاده از console.time() و console.timeEnd() اندازه‌گیری میشه. معمولاً زمان اجرای این کد بین ۱۰ تا ۱۵ میلی‌ثانیه متغیر هست. به این صورت:

Sorted array: [ 0, 0.00002, 0.4, 2, 4, 10, 20, 51, 66, 211 ]
default: 10.793ms

حالا اگر خروجی آرایه رو به یک رشته تبدیل کنیم و سپس اون رو برگردونیم:

return String(arr);

خروجی:

Sorted array: 0,0.00002,0.4,2,4,10,20,51,66,211
default: 8.899ms

با انجام این تغییر، زمان اجرای الگوریتم به صورت چشمگیری کاهش پیدا میکنه و بین ۸ تا ۱۰ میلی‌ثانیه متغیر میشه.

سوال اصلی اما اینجاست:

چرا تبدیل آرایه به رشته باعث کاهش زمان اجرای الگوریتم مرتب‌سازی Insertion میشه؟ آیا این تغییرات قابل توجه هستن و باید در برنامه‌ هایی که میسازیم نگران چنین تفاوت‌های جزئی ای باشیم؟

#nodejs #array
@CodeModule