如何用Python來理一理紅樓夢里的那些關(guān)系

更新時間：2019年08月14日 16:35:44 作者：周蘿卜

這篇文章主要介紹了用Python來理一理紅樓夢里的那些關(guān)系代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

前言

今天，一起用 Python 來理一理紅樓夢里的那些關(guān)系

不要問我為啥是紅樓夢，而不是水滸三國或西游，因?yàn)槲乙茶b定的認(rèn)為，紅樓才是無可爭議的中國古典小說只巔峰，且不接受反駁！而紅樓夢也是我多次反復(fù)品讀的為數(shù)不多的小說，對它的感情也是最深的。

好了，不酸了，開干。

數(shù)據(jù)準(zhǔn)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(nèi)容如下：

寶玉 nr
黛玉 nr
寶釵 nr
湘云 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，同時也是為了做分詞時使用，后面的 nr 就是人名的意思。

數(shù)據(jù)處理

讀取數(shù)據(jù)并加載詞典

  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(dāng)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(jìn)行分詞處理并提取

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?yàn)槲闹?賈妃", "元春"，"李宮裁", "李紈" 混用嚴(yán)重，所以這里直接做替換處理。
然后使用 jieba 庫提供的 pseg 工具來做分詞處理，會返回每個分詞的詞性。
之后做判斷，只有符合要求且在我們提供的字典列表里的分詞，才會保留。
一個人每出現(xiàn)一次，就會增加一，方便后面畫關(guān)系圖時，人物 node 大小的確定。
對于存在于我們自定義詞典的人名，保存到一個臨時變量當(dāng)中 tmpNames。

處理人物關(guān)系

  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

對于出現(xiàn)在同一個段落中的人物，我們認(rèn)為他們是關(guān)系緊密的，每同時出現(xiàn)一次，關(guān)系增加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(guān)系表，包含首先出現(xiàn)的人物、之后出現(xiàn)的人物和一同出現(xiàn)次數(shù)
文件2：人物比重表，包含該人物總體出現(xiàn)次數(shù)，出現(xiàn)次數(shù)越多，認(rèn)為所占比重越大。

制作關(guān)系圖表

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(guān)系"))
  )
  return g

首先把兩個文件讀取成列表形式

對于“寶玉”，由于其占比過大，如果統(tǒng)一進(jìn)行縮放，會導(dǎo)致其他人物的 node 過小，展示不美觀，所以這里先做了一次縮放

最后得出的關(guān)系圖