Crossin的编程教室

标题: 《三国演义》人物数据分析 [打印本页]

作者: 江水滔滔 时间: 2018-12-28 21:00
标题: 《三国演义》人物数据分析
题目源自编程教室的“每周一坑”栏目：【每周一坑】三国演义中谁的存在感最强本文是一位同学（王文亚）提交的解答，因为做得挺好，特转载至专栏，供各位参考。更多练习题可以在公众号（Crossin的编程教室）里回复关键字习题主要任务找出《三国演义》中名字出现最多的10人；分析主要几个人物120回中，每回出现的次数，结合具体内容，看发生了什么；分析人物之间的关系，利用Gephi简单绘图；绘制“逐”字词云。准备工作
1.由于要分析120回中主要人物的出场次数，爬取《三国演义》120回，每回放在一个段落里；len(f.readlines()) = 120.2.安装主要的python库，如jieba，wordcloud，pandas，codecs，matplotlib，pyecharts， bs4等，还有Gephi；
开始工作
1.首先是获取分成120回每回一行的文件；url=http://www.purepen.com/sgyy/根据规律爬出120回；

2.找到次数最多的nr(人名)词语；函数findMostWords, 逐词查看，长度小于2的自动过滤，按照出现次数排序，写入到文件中，大约是长这个样子的...

3.根据找到的词语排序，大约有7238个词汇，然后手动选取超过出现20次以上的词语，大约200条，剔除一些非人名，如“曹兵”等，最终得到52个词;['曹操', '玄德', '孔明', '关公', '丞相', '孔明曰', '玄德曰', '云长', '张飞', '主公','吕布', '刘备', '孙权', '赵云', '司马懿', '周瑜', '魏延', '袁绍', '马超', '姜维', '黄忠', '诸葛亮', '庞德', '张辽', '刘表', '董卓', '孙策', '鲁肃', '邓艾', '大将军', '张苞', '袁术', '刘玄德', '玄德大', '子龙', '司马', '孔明笑', '公瑾', '操大喜', '翼德', '刘皇叔', '赵子龙', '郭嘉', '仲达', '关云长','操大怒', '玄德问', '阿斗', '刘豫州', '玄德闻', '玄德乃', '曹丞相']

4.逐词匹配上述的52个词，得到52个词分别出现的次数；

5.整理上述52个词汇，将玄德曰，玄德怒，玄德乃，刘皇叔等词汇合并，绘制Top10;

6.根据上述52个词汇，分别分析每一回，利用pandas.DataFrame很方便得到每回52个人分别出现的次数；

表格中有大量的空白，后续使用，需要将空白填充0， DataFrame.fillna(0, inplace=True)

7.绘制一些简单的图；蜀国主要人物全书分布情况，三位结拜兄弟贯穿前80回左右，等他们退出历史舞台，诸葛亮继续辅佐，支撑着蜀国大业。

诸葛亮在35-40, 80-100回出现了较多次数，自然是 “三顾茅庐”、“火烧七百里联营”、“巧布八阵图”、“七擒孟获” 等较为熟知的历史故事；同时，80回后诸葛亮出现次数占据了全书中较大范围，也是 “先帝托孤”后“鞠躬尽瘁” 的具体表现。

四位当权者曹操、刘备、孙权、司马懿活动活度，前80回，曹刘孙较为活跃，体现出了三国纷争的局面，读这一部分，厮杀场面也是相当精彩；待三位同时代的人物退出历史舞台后，逐渐司马懿开始活跃，“一统秦两汉，三分魏蜀吴，两晋前后延”，历史朝代更替，滚滚向前。

分析数据的能力还优待提高，想不出较好的分析的内容，还需多写、多与人沟通交流，提升对数据的认识。8.分析人物之间的关系。根据全文2700多个自然段，如果一个自然段内同时出现了A和B，将A和B之间的关系+1；得到Node和Edge两份csv文件，输入到Gephi，得到以下关系图，故事还是围绕这曹刘的纷争开展，诸葛亮的经纬之才也体现的淋漓尽致。

9.词云制作；PS做了一张图，制作词云。根据各种曰可知书中的对话部分占据了很大一部分章节，读者读起来也更有代入感，身临其境。

作者: yiniuyun0 时间: 2019-9-2 17:49
厉害了这个统计

欢迎光临 Crossin的编程教室 (https://bbs.crossincode.com/)