红楼梦人物出场顺序python_Python 中文词频分析——红楼梦人物出场次数

灰太狼 2023-01-08 08:06 133阅读 0赞

本篇文档，带大家用Python做一下词频统计

本章需要用到Python的jieba模块

jieba模块是一个经典的用于中文分词的模块

首先呢 我们需要读取文章的内容，并用jieba库的lcut进行分词

import jieba

\# 读取红楼梦的文本内容

txt = open('红楼梦.txt', 'r', encoding='utf-8').read()

\# 运用jieba库对文本内容进行分词

words = jieba.lcut(txt)

然后 我们去统计人名的出现次数

这里需要分析什么词语是人名，我们去创建一个文档，当做字典存储人名信息

人名还会有其他的表示，我们将它转化成一样的名字

\# 初始化count字典 用于存放人名出现频率

counts = \{\}

\# 读取红楼梦人名信息

names = open('人名.txt', 'r', encoding='utf-8').read().split('、')

\# 对分词数据进行筛选 将不需要的数据跳过 只保存有效数据

for word in words:

if len(word) == 1:

continue

elif word == '贾母' or word == '老太太':

word = '贾母'

elif word in '贾珍—尤氏'.split('—'):

word = '贾珍'

elif word in '贾蓉—秦可卿'.split('-'):

word = '贾蓉'

elif word in '贾赦—邢夫人'.split('-'):

word = '贾赦'

elif word in '贾政—王夫人'.split('-'):

word = '贾政'

elif word in '袭人-蕊珠'.split('-'):

word = '袭人'

elif word in '贾琏—王熙凤'.split('-'):

word = '贾琏'

elif word in '紫鹃-鹦哥'.split('-'):

word = '紫鹃'

elif word in '翠缕-缕儿'.split('-'):

word = '翠缕'

elif word in '香菱-甄英莲'.split('-'):

word = '香菱'

elif word in '豆官-豆童'.split('-'):

word = '豆官'

elif word in '薛蝌—邢岫烟'.split('-'):

word = '薛蝌'

elif word in '薛蟠—夏金桂'.split('-'):

word = '薛蟠'

elif word in '贾宝玉-宝玉'.split('-'):

word = '贾宝玉'

elif word in '林黛玉-林姑娘-黛玉'.split('-'):

word = '林黛玉'

if word not in names:

continue

counts\[word\] = counts.get(word, 0)+1

最后我们将数据排序整理一下

\# 将人名按照次数排序 降序

items = list(counts.items())

\# 排序规则 以次数为参考进行排序

items.sort(key=lambda x: x\[1\], reverse=True)

完整代码如下：

import jieba

\# 读取红楼梦的文本内容

txt = open('红楼梦.txt', 'r', encoding='utf-8').read()

\# 运用jieba库对文本内容进行分词

words = jieba.lcut(txt)

\# 初始化count字典 用于存放人名出现频率

counts = \{\}

\# 读取红楼梦人名信息

names = open('人名.txt', 'r', encoding='utf-8').read().split('、')

\# 对分词数据进行筛选 将不需要的数据跳过 只保存有效数据

for word in words:

if len(word) == 1:

continue

elif word == '贾母' or word == '老太太':

word = '贾母'

elif word in '贾珍—尤氏'.split('—'):

word = '贾珍'

elif word in '贾蓉—秦可卿'.split('-'):

word = '贾蓉'

elif word in '贾赦—邢夫人'.split('-'):

word = '贾赦'

elif word in '贾政—王夫人'.split('-'):

word = '贾政'

elif word in '袭人-蕊珠'.split('-'):

word = '袭人'

elif word in '贾琏—王熙凤'.split('-'):

word = '贾琏'

elif word in '紫鹃-鹦哥'.split('-'):

word = '紫鹃'

elif word in '翠缕-缕儿'.split('-'):

word = '翠缕'

elif word in '香菱-甄英莲'.split('-'):

word = '香菱'

elif word in '豆官-豆童'.split('-'):

word = '豆官'

elif word in '薛蝌—邢岫烟'.split('-'):

word = '薛蝌'

elif word in '薛蟠—夏金桂'.split('-'):

word = '薛蟠'

elif word in '贾宝玉-宝玉'.split('-'):

word = '贾宝玉'

elif word in '林黛玉-林姑娘-黛玉'.split('-'):

word = '林黛玉'

if word not in names:

continue

counts\[word\] = counts.get(word, 0)+1

\# 将人名按照次数排序 降序

items = list(counts.items())

\# 排序规则 以次数为参考进行排序

items.sort(key=lambda x: x\[1\], reverse=True)

\# print(items)

print('出现次数最多的是:', items\[0\]\[0\], '出现了：', items\[0\]\[1\], '次')

print('出现次数最少的是:', items\[-1\]\[0\], '出现了：', items\[-1\]\[1\], '次')

for item in items:

print(item\[0\], '出现了：', item\[1\], '次')

效果图如下：

![Image 1][]

image.png

[Image 1]:

红楼梦人物出场顺序python_Python 中文词频分析——红楼梦人物出场次数

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 Android View 从左下角放大出场

相关红楼梦人物出场顺序python_Python 中文词频分析——红楼梦人物出场次数

相关人工智能PK高鹗，续写《红楼梦》

相关红楼梦中的那些震撼人心的诗词

相关 c语言人物跳跃游戏,UE4实现人物跳跃

相关三张图片了解activity进出场动画

相关人物传记

相关《三国演义》人物数据分析

相关使用NLP库textblob进行情感分析-红楼梦评论

相关红楼梦人物评价