Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

--- gf_informatik:daten:processing:dictionaries [2023-05-24 07:54] – [Aufgabe 3: Zwei Datasets kombinieren] hof
+++ gf_informatik:daten:processing:dictionaries [2024-06-10 12:30] (aktuell) – hof
@@ Zeile 6: / Zeile 6: @@
 Wie wir wissen, können wir in einem (sortierten) Wörterbuch (Diktionär) effizient suchen:
-  * Der Suchbereich wird fortlaufend halbiert (s.a. Binäre Suche in [[gf_informatik:suchen_und_sortieren]])
+  * Der Suchbereich wird fortlaufend halbiert (s.a. Binäre Suche in [[gf_informatik:suchen_und_sortieren_2023]])
   * Bei $n$ Einträgen benötigt die Suche nach einem Element nur $log_2(n)$ Zugriffe, also
     * $10$ Zugriffe für $1024$ Elemente,
@@ Zeile 90: / Zeile 90: @@
 ### Aufgabe 2: CSV in ein Dictionary einlesen
-Lies die Datei [[https://kantonsschuleromanshorn.sharepoint.com/sites/FSInformatik/Freigegebene%20Dokumente/2M/Daten/Processing/Beispieldaten/plz.csv?download=1|plz.csv]] ein und erstelle daraus ein Dictionary von Ortsnamen zu Postleitzahl.
+Lies die Datei [[https://kantonsschuleromanshorn.sharepoint.com/:f:/s/FSInformatik/Ek-Hi_stH2RMjDa-wQN9jekBMeF_YD6rvhmibDlNglGWxw?e=Y3AX65|plz.csv]] ein und erstelle daraus ein Dictionary von Ortsnamen zu Postleitzahl.
 Die Daten sehen so aus:
@@ Zeile 102: / Zeile 102: @@
 </code>
-Hinweis:
+Hinweise:
   * Die PLZ steht zuerst, also an `values[0]`
   * Der Ort ist an zweiter Stelle, also `values[1]`
-  * Wir wollen ein umgekehrtes Dictionary von Ortsnamen zu PLZ.
+  * Wir wollen ein **umgekehrtes** Dictionary von Ortsnamen zu PLZ.
-  * Ein Ortsnamen kann mehrere Postleitzahlen haben - wir möchten immer die erste behalten (also `1000` für Lausanne, nicht `1005`).
+  * Ein Ortsnamen kann mehrere Postleitzahlen haben - wir möchten immer die kleinste behalten (also `1000` für Lausanne, nicht `1005`).
 <nodisp 2>
@@ Zeile 127: / Zeile 127: @@
 ++++
 </nodisp>
 ### Aufgabe 3: Zwei Datasets kombinieren