這篇文章主要介紹了用Python來理一理紅樓夢裏的那些關係代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
前言
今天,一起用 Python 來理一理紅樓夢裏的那些關係
不要問我爲啥是紅樓夢,而不是水滸三國或西遊,因爲我也鑑定的認爲,紅樓纔是無可爭議的中國古典小說只巔峯,且不接受反駁!而紅樓夢也是我多次反覆品讀的爲數不多的小說,對它的感情也是最深的。
好了,不酸了,開幹。
數據準備
紅樓夢 TXT 文件一份
金陵十二釵 + 賈寶玉 人物名稱列表
人物列表內容如下:
寶玉 nr 黛玉 nr 寶釵 nr 湘雲 nr 鳳姐 nr 李紈 nr 元春 nr 迎春 nr 探春 nr 惜春 nr 妙玉 nr 巧姐 nr 秦氏 nr
這份列表,同時也是爲了做分詞時使用,後面的 nr 就是人名的意思。
數據處理
讀取數據並加載詞典
with open("紅樓夢.txt", encoding='gb18030') as f: honglou = f.readlines() jieba.load_userdict("renwu_forcut") renwu_data = pd.read_csv("renwu_forcut", header=-1) mylist = [k[0].split(" ")[0] for k in renwu_data.values.tolist()]
這樣,我們就把紅樓夢讀取到了 honglou 這個變量當中,同時也通過 load_userdict 將我們自定義的詞典加載到了 jieba 庫中。
對文本進行分詞處理並提取
tmpNames = [] names = {} relationships = {} for h in honglou: h.replace("賈妃", "元春") h.replace("李宮裁", "李紈") poss = pseg.cut(h) tmpNames.append([]) for w in poss: if w.flag != 'nr' or len(w.word) != 2 or w.word not in mylist: continue tmpNames[-1].append(w.word) if names.get(w.word) is None: names[w.word] = 0 relationships[w.word] = {} names[w.word] += 1
- 首先,因爲文中"賈妃", "元春","李宮裁", "李紈" 混用嚴重,所以這裏直接做替換處理。
- 然後使用 jieba 庫提供的 pseg 工具來做分詞處理,會返回每個分詞的詞性。
- 之後做判斷,只有符合要求且在我們提供的字典列表裏的分詞,纔會保留。
- 一個人每出現一次,就會增加一,方便後面畫關係圖時,人物 node 大小的確定。
- 對於存在於我們自定義詞典的人名,保存到一個臨時變量當中 tmpNames。
處理人物關係
for name in tmpNames: for name1 in name: for name2 in name: if name1 == name2: continue if relationships[name1].get(name2) is None: relationships[name1][name2] = 1 else: relationships[name1][name2] += 1
對於出現在同一個段落中的人物,我們認爲他們是關係緊密的,每同時出現一次,關係增加1.
保存到文件
with open("relationship.csv", "w", encoding='utf-8') as f: f.write("Source,Target,Weight\n") for name, edges in relationships.items(): for v, w in edges.items(): f.write(name + "," + v + "," + str(w) + "\n") with open("NameNode.csv", "w", encoding='utf-8') as f: f.write("ID,Label,Weight\n") for name, times in names.items(): f.write(name + "," + name + "," + str(times) + "\n")
- 文件1:人物關係表,包含首先出現的人物、之後出現的人物和一同出現次數
- 文件2:人物比重表,包含該人物總體出現次數,出現次數越多,認爲所佔比重越大。
製作關係圖表
使用 pyecharts 作圖
def deal_graph(): relationship_data = pd.read_csv('relationship.csv') namenode_data = pd.read_csv('NameNode.csv') relationship_data_list = relationship_data.values.tolist() namenode_data_list = namenode_data.values.tolist() nodes = [] for node in namenode_data_list: if node[0] == "寶玉": node[2] = node[2]/3 nodes.append({"name": node[0], "symbolSize": node[2]/30}) links = [] for link in relationship_data_list: links.append({"source": link[0], "target": link[1], "value": link[2]}) g = ( Graph() .add("", nodes, links, repulsion=8000) .set_global_opts(title_opts=opts.TitleOpts(title="紅樓人物關係")) ) return g
首先把兩個文件讀取成列表形式
對於“寶玉”,由於其佔比過大,如果統一進行縮放,會導致其他人物的 node 過小,展示不美觀,所以這裏先做了一次縮放
最後得出的關係圖
所有代碼已經上傳至 Github
最後,我還準備了一份更加全面的紅樓人物字典,可以在代碼倉庫中找到-“renwu_total”,感興趣的小夥伴也可以嘗試下,製作一個全人物的關係圖。
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持神馬文庫。