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。

真正自己去做的时候,才能一次次填补自己的坑。哈哈哈,加油!

作者:王文亚

项目地址:

https://github.com/Damon0626/Crossin-Programming-Room/tree/master/09-Analysis%20The%20Three%20Kingdoms



════

其他文章及回答:

如何自学Python | 新手引导 | 精选Python问答 | Python单词表 | 人工智能 | 爬虫 | 我用Python | requests | 计算机视觉

欢迎搜索及关注公众号:Crossin的编程教室






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/) Powered by Discuz! X2.5