python 难度-Python分析 oj 网的题目难度和通过率的关系

本着做题的心态，上了东莞理工学院的 oj 网；看了一下题目不想动手，在选择难度的时候发现有些题目通过率和难度可能存在着某些关系，于是决定爬下这些数据简单查看一下是否存在关系。

一、新建项目

我是用 Scrapy 框架爬取的（因为刚学没多久，顺便练练手）。首先，先新建 project （下载 Scarpy 部分已省略），在控制台输入 scrapy startproject onlineJudge（其中， onlineJudge为项目名称），敲击回车键新建项目完成。

二、明确目的

在动手写代码之前，先分析一下网页结构。网站是通过动态加载的，数据通过 json 文件加载。

1、明确要爬取的目标： http://oj.dgut.edu.cn/problems 网站里的题目，难度，提交量，通过率。在查找 json 的时候发现只有通过数，那么通过率就要自己计算。

2、打开 onlineJudge 目录下的 items.py 写下如下代码：

classOnlinejudgeItem(scrapy.Item): id= scrapy.Field() #题目编号 title = scrapy.Field() #标题 difficulty = scrapy.Field() #难度 submissionNo = scrapy.Field() 　　　#提交量 acceptedNo = scrapy.Field() 　　#正确数 passingRate = scrapy.Field() #正确率

三、制作爬虫

1、在当前目录下输入命令：scrapy genspider oj "oj.dgut.edu.cn" （其中 oj 是爬虫的名字，"oj.dgut.edu.cn"算是一个约束，规定一个域名）

2、打开 onlineJudge/spiders 下的 ojSpider.py ，增加或修改代码为：

importscrapyimportjsonfrom onlineJudge.items importOnlinejudgeItemclassOjSpider(scrapy.Spider): name= 'oj'# 爬虫的名字 allowed_domains= ['oj.dgut.edu.cn']　　　　　# 域名范围 offset=0 url= 'http://oj.dgut.edu.cn/api/xproblem/?limit=20&offset='start_urls= [url +str(offset)]　　　　　　　# 爬取的URL元祖/列表defparse(self, response): data= json.loads(response.text)['data']['results']iflen(data):for i inrange(len(data)): submissionNo= data[i]['submission_number'] acceptedNo= data[i]['accepted_number']try: passingRate= round((int(acceptedNo)/int(submissionNo)) * 100, 2)exceptZeroDivisionError as e: passingRate=0 strPR= str(passingRate) + "%"item=OnlinejudgeItem() item['id'] = data[i]['_id'] item['title'] = data[i]['title'] item['difficulty'] = data[i]['difficulty'] item['submissionNo'] =submissionNo item['acceptedNo'] =acceptedNo item['passingRate'] =strPRyielditemprint(i) self.offset+= 20 yield scrapy.Request(self.url + str(self.offset), callback=self.parse)

四、存储数据

1、打算将数据存储为 excel 文档，要先安装 openpyxl 模块，通过 pip install openpyxl 下载。

2、下载完成后，在 pipelines.py 中写入如下代码

from openpyxl importWorkbookclassOnlinejudgePipeline(object):def __init__(self): self.wb=Workbook() self.ws= self.wb.active #激活工作簿 self.ws.append(['编号', '标题', '难度', '提交量', '正确数', '正确率']) #设置表头 defprocess_item(self, item, spider): line= [item['id'], item['title'], item['difficulty'], item['submissionNo'], item['acceptedNo'], item['passingRate']] self.ws.append(line) self.wb.save('oj.xlsx')return item

五、设置 settings.py

修改并增加代码：

LOG_FILE = "oj.log"ROBOTSTXT_OBEY=TrueITEM_PIPELINES={'onlineJudge.pipelines.OnlinejudgePipeline': 300,}

六、运行爬虫

在当前目录下新建一个 main.py 并写下如下代码

from scrapy importcmdlinecmdline.execute("scrapy crawl oj".split())

然后运行 main.py 文件。

于是，想要的数据就被爬下来了

七、分析数据

分析数据之前，先安装好 numpy，pandas，matplotlib，xlrd。

importpandas as pdimportxlrddata= pd.read_excel("../onlineJudge/onlineJudge/oj.xlsx")　　# 导入 excel 文件data.describe()

data = data.set_index('编号')　　# 设置编号为索引

data.head()　　　　　　　　　　　　# 显示前五条信息

from matplotlib importpyplot as pltimportmatplotlib.style as psl%matplotlib inlinepsl.use('seaborn-colorblind') #设置图表风格plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

查看题目各难度的数目：

level_values = data['难度'].valuesdifficulties={'简单': 0,'中等': 0,'困难': 0}for value inlevel_values:if value == '简单': difficulties['简单'] += 1 elif value == '中等': difficulties['中等'] += 1 else: difficulties['困难'] += 1level=pd.Series(difficulties)print(level)level.plot(kind= 'bar', figsize=(6, 7))plt.grid(axis='y')

验证正确率与难度之间是否存在关系：

importnumpy as nprelation= data[['难度', '正确率']]rate_values= relation['正确率'].valuesfig, axes= plt.subplots(figsize=(15, 6))axes.scatter(rate_values, level_values)plt.grid(axis='x')plt.xticks(np.arange(0,1, 0.05))plt.xlabel('正确率')plt.ylabel('难度')

根据表格显示，题目难度跟正确率是存在一定关系的（我想的没有错哈哈哈）。

python 难度-Python分析 oj 网的题目难度和通过率的关系相关推荐

分析oj 网的题目难度和通过率的关系
# coding=utf-8 import csv import json import requests import gevent from gevent.queue import Queue # ...
python爬虫beautifulsoup爬当当网_利用python爬虫可视化分析当当网的图书数据！
导语这周末就分享个小爬虫吧.利用Python爬取并简单地可视化分析当当网的图书数据. 开发工具 Python版本:3.6.4 相关模块: requests模块: bs4模块: wordcloud模块 ...
利用python爬虫可视化分析当当网的图书数据
导语这周末就分享个小爬虫吧.利用Python爬取并简单地可视化分析当当网的图书数据. 开发工具 **Python版本:**3.6.4 相关模块: requests模块: bs4模块: wordclo ...
使用Python爬取分析政府采购网数据
好久没写博客了,一直觉得之前写的都没啥技术性,这次分享个最近觉得很值得记录的一次操作吧~. Leader临时分配给我个任务,要我爬取下政府采购网近一个月公开招标中二三甲医院的数据,这一 ...
牛客网编程题python输入输出_牛客网算法题目记录
车站建设问题有10^8个村庄排在一条公路上,依次编号为0~10^8-1,相邻村庄距离为1,其中有n个村庄居住着牛牛,居住着牛牛的村庄从小到大依次为a0~an-1,其中保证a0=0. 现在需要建设车站 ...
c语言字符统计2sdut,山东理工大学SDUT - ACM OJ 题： Python代码及分析
Python基础语法学习完成,先刷基础题100道巩固 ,附题目.代码.知识分析题目:http://acm.sdut.edu.cn/onlinejudge2/index.php/Home/Index ...
使用Python爬取“最好大学网”软科中国最好大学排名2019并做可视化分析
使用Python爬取"最好大学网"软科中国最好大学排名2019并做可视化分析简介开发环境爬取数据 1.获取网站页面 2.解析网页内容 3.存储数据可视化分析基本设置显示 ...
python爬取二手房信息_刚刚接触PythonR？教你爬取分析赶集网北京二手房数据（附详细代码）...
原标题:刚刚接触Python&R?教你爬取分析赶集网北京二手房数据(附详细代码) 源 /数据森麟文 /徐涛前言: 本文主要分为两部分:Python爬取赶集网北京二手房数据&R对爬取的 ...
python爬虫爬猎聘网获取多条职责描述中有Linux需求的招聘信息
python爬虫爬猎聘网获取多条职责描述中有Linux需求的招聘信息下列是我爬虫的作业摘要随着现代化社会的飞速发展,网络上巨大信息量的获取给用户带来了许多的麻烦.由于工作和生活节奏的需求,人们 ...

python 难度-Python分析 oj 网的题目难度和通过率的关系

python 难度-Python分析 oj 网的题目难度和通过率的关系相关推荐

最新文章

热门文章