《三国演义》人物数据分析

jiezi

6 年前

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。