本篇文章為大家展示了怎么用Python來(lái)理清楚紅樓夢(mèng)里的關(guān)系，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。

成都創(chuàng)新互聯(lián)公司長(zhǎng)期為上千多家客戶提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為天祝藏族自治企業(yè)提供專業(yè)的成都網(wǎng)站制作、網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)，天祝藏族自治網(wǎng)站改版等技術(shù)服務(wù)。擁有10年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開發(fā)。

最近把紅樓夢(mèng)又抽空看了一遍，古典中的經(jīng)典，我真無(wú)法用言辭贊美她。今天，想跟大家一起用 Python 來(lái)理一理紅樓夢(mèng)中的的那些關(guān)系

不要問(wèn)我為啥是紅樓夢(mèng)，而不是水滸三國(guó)或西游，都是經(jīng)典，但我個(gè)人還是更喜歡偏古典的書，紅樓夢(mèng)也是我多次反復(fù)品讀的為數(shù)不多的小說(shuō)，對(duì)它的感情也是最深的。

好了好了這些都不重要，重要的是我們今天要用Python來(lái)理紅樓夢(mèng)的關(guān)系！

數(shù)據(jù)準(zhǔn)備

1. 紅樓夢(mèng) TXT 文件一份

2. 金陵十二釵 + 賈寶玉 人物名稱列表

3. 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(shí)也是為了做分詞時(shí)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(mèng).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(mèng)讀取到了 honglou 這個(gè)變量當(dāng)中，同時(shí)也通過(guò) load_userdict 將我們自定義的詞典加載到了 jieba 庫(kù)中。

對(duì)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(kù)提供的 pseg 工具來(lái)做分詞處理，會(huì)返回每個(gè)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(huì)保留。

一個(gè)人每出現(xiàn)一次，就會(huì)增加一，方便后面畫關(guān)系圖時(shí)，人物 node 大小的確定。

對(duì)于存在于我們自定義詞典的人名，保存到一個(gè)臨時(shí)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(duì)于出現(xiàn)在同一個(gè)段落中的人物，我們認(rèn)為他們是關(guān)系緊密的，每同時(shí)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(gè)文件讀取成列表形式

• 對(duì)于“寶玉”，由于其占比過(guò)大，如果統(tǒng)一進(jìn)行縮放，會(huì)導(dǎo)致其他人物的 node 過(guò)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

上述內(nèi)容就是怎么用Python來(lái)理清楚紅樓夢(mèng)里的關(guān)系，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道。

分享文章：怎么用Python來(lái)理清楚紅樓夢(mèng)里的關(guān)系-創(chuàng)新互聯(lián)
瀏覽路徑：http://weahome.cn/article/ceodpj.html