科研立项之codeforces 题目算法标签统计 Apare_xzc

立项之聚类 by xzc

之前我们爬取codeforces, 得到了所有题目的算法标签信息，以Excel的形式存放。现在我们要对题目进行聚类。

---

得到的表格是这样的形式：

一共有3205道题目。

我们可以发现，没到题目可能有不止一个算法标签。所以，要对这些题目进行聚类，首先，我们要搞清楚这个网站上面的题目到底有多少种算法标签。

• 我们用txt文本文件存放所有提米的算法标签Tags，从Excel中直接复制，粘贴到文本文件TagNames.txt中

  

• 然后我们用一段python代码来统计所有的算法标签

  AllName = set() #用于存放数据的集合
  with open('TagsName.txt', 'r+',encoding='utf-8') as f: # 文件读入
      for line in f.readlines(): #每次从文件中读取一行字符串
          List = line.split(',') #讲读到的一行字符串用','切分为几个子串，生成一个列表
          for i in range(0,len(List)):  #遍历字符串列表
              List[i] = List[i].strip() #去除列表中的每个字符串首尾的空格 
          AllNa