Python3红楼梦人名出现次数统计分析

Posted 2020-11-19 诸子流

一、程序说明

本程序流程是读取红楼梦txt文件----使用jieba进行分词----借助Counter读取各人名出现次数并排序----使用matplotlib将结果可视化

这里的统计除了将“熙凤”出现的次数合并到“凤姐”中外并没有其他处理，但应该也大体能反映人物提及次数情况

 

二、执行结果展示

条形图：

饼状图：

 

 

三、程序源代码

import jieba
from collections import Counter
import matplotlib.pyplot as plt
import numpy as np


class HlmNameCount():
    # 此函数用于绘制条形图
    def showNameBar(self,name_list_sort,name_list_count):
        # x代表条形数量
        x = np.arange(len(name_list_sort))
        # 处理中文乱码
        plt.rcParams[\'font.sans-serif\'] = [\'SimHei\']
        # 绘制条形图，bars相当于句柄
        bars = plt.bar(x,name_list_count)
        # 给各条形打上标签
        plt.xticks(x,name_list_sort)
        # 显示各条形具体数量
        i = 0
        for bar in bars:
            plt.text((bar.get_x() + bar.get_width() / 2), bar.get_height(), \'%d\' % name_list_count[i], ha=\'center\', va=\'bottom\')
            i += 1
        # 显示图形
        plt.show()

    # 此函数用于绘制饼状图
    def showNamePie(self, name_list_sort, name_list_fracs):
        # 处理中文乱码
        plt.rcParams[\'font.sans-serif\'] = [\'SimHei\']
        # 绘制饼状图
        plt.pie(name_list_fracs, labels=name_list_sort, autopct=\'%1.2f%%\', shadow=True)
        # 显示图形
        plt.show()

    def getNameTimesSort(self,name_list,txt_path):
        # 将所有人名临时添加到jieba所用字典，以使jieba能识别所有人名
        for k in name_list:
            jieba.add_word(k)
        # 打开并读取txt文件
        file_obj = open(txt_path, \'rb\').read()
        # jieba分词
        jieba_cut = jieba.cut(file_obj)
        # Counter重新组装以方便读取
        book_counter = Counter(jieba_cut)
        # 人名列表，因为要处理凤姐所以不直接用name_list
        name_dict ={}
        # 人名出现的总次数，用于后边计算百分比
        name_total_count = 0
        for k in name_list:
            if k == \'熙凤\':
                # 将熙凤出现的次数合并到凤姐
                name_dict[\'凤姐\'] += book_counter[k]
            else:
                name_dict[k] = book_counter[k]
            name_total_count += book_counter[k]
        # Counter重新组装以使用most_common排序
        name_counter = Counter(name_dict)
        # 按出现次数排序后的人名列表
        name_list_sort = []
        # 按出现次数排序后的人名百分比列表
        name_list_fracs = []
        # 按出现次数排序后的人名次数列表
        name_list_count = []
        for k,v in name_counter.most_common():
            name_list_sort.append(k)
            name_list_fracs.append(round(v/name_total_count,2)*100)
            name_list_count.append(v)
            # print(k+\':\'+str(v))
        # 绘制条形图
        self.showNameBar(name_list_sort, name_list_count)
        # 绘制饼状图
        self.showNamePie(name_list_sort,name_list_fracs)
        

if __name__ == \'__main__\':
    # 参与统计的人名列表，可修改成自己想要的列表
    name_list = [\'宝玉\', \'黛玉\', \'宝钗\', \'元春\', \'探春\', \'湘云\', \'妙玉\', \'迎春\', \'惜春\', \'凤姐\', \'熙凤\', \'巧姐\', \'李纨\', \'可卿\', \'贾母\', \'贾珍\', \'贾蓉\', \'贾赦\', \'贾政\', \'王夫人\', \'贾琏\', \'薛蟠\', \'香菱\', \'宝琴\', \'袭人\', \'晴雯\', \'平儿\', \'紫鹃\', \'莺儿\']
    # 红楼梦txt文件所在路径，修改成自己文件所在路径
    txt_path = \'F:/PycharmProjects/tutorial/hlm.txt\'
    hnc = HlmNameCount()
    hnc.getNameTimesSort(name_list,txt_path)

 

参考：

https://github.com/fxsjy/jieba

https://docs.python.org/3/library/collections.html#collections.Counter

https://matplotlib.org/tutorials/introductory/sample_plots.html#sphx-glr-tutorials-introductory-sample-plots-py