基于Python《红楼梦》文本分析可视化

最新推荐文章于 2025-03-14 20:32:32 发布

CSDN_kada

最新推荐文章于 2025-03-14 20:32:32 发布

阅读量2k

点赞数 15

文章标签：信息可视化 python

本文链接：https://blog.csdn.net/CSDN_kada/article/details/139812052

版权

数据

《红楼梦》txt文本文件

人物出场频次

1.统计人物出场频次

import jieba as j
import matplotlib
from matplotlib import pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
# 人物名称列表
names = ['贾母', '贾珍', '贾蓉', '贾赦', '贾政', '贾琏', '袭人', '王熙凤', '紫鹃', '翠缕', '香菱', '豆官', '薛蝌',
         '薛蟠','贾宝玉', '林黛玉', '平儿', '薛宝钗', '晴雯', '林之孝']
txt = open('红楼梦.txt','r',encoding='utf-8').read()
words = j.lcut(txt)  # 进行分词，并返回一个包含所有分词结果的列表
counts = {}
for word in words:
    # 忽略长度为1的词（可能是单个字符或标点）。
    if len(word)==1:
        continue
    # 如果词是人物名称的别名或昵称，则将其转换为标准名称
    elif word in ['老太太','老祖宗','史太君','贾母']:
        word = "贾母"
    elif word in ['贾珍','珍哥儿','大哥哥']:
        word =  "贾珍"
    elif word in ['老爷','贾政']:
        word = "贾政"
    elif word in ['贾宝玉','宝玉','宝二爷']:
        word =  '贾宝玉'
    elif word in ['风辣子','王熙凤','熙凤']:
        word =  "王熙凤"
    elif word in ['紫鹃','鹦哥']:
        word = "紫鹃"
    # 检查转换后的word是否在names列表中，并`counts`字典中增加相应的计数。
    if word in names:
        counts[word] = counts.get(word, 0) + 1

# 排序并打印结果
items = list(counts.items())
items.sort(key=lambda x: x[1], reverse=True)
for i in range(len(items)):
    word, count = items[i]
    print('{0:<10}{1:>5}'.format(word, count))

2.词云图绘制

# 人物出场的频次
import jieba as j
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from collections import Counter
# 人物名称列表
names = ['贾母', '贾珍', '贾蓉', '贾赦', '贾政','贾琏', '袭人', '王熙凤', '紫鹃', '翠缕', '香菱', '豆官', '薛蝌', '薛蟠',
         '贾宝玉', '林黛玉', '平儿', '薛宝钗', '晴雯', '林之孝']

# 转换列表以便统一名称
name_map = {
    "老太太": "贾母",
    "老祖宗": "贾母",
    "史太君": "贾母",
    "珍哥儿": "贾珍",
    "大哥哥": "贾珍",
    "老爷": "贾政",
    "宝二爷": "贾宝玉",
    "宝玉": "贾宝玉",
    "熙风": "王熙凤",
    "风辣子": "王熙凤",
    "鹦哥": "紫鹃"
}

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

# 分词和计数
words = j.lcut(txt)
word_counts = Counter()
for word in words:
    if len(word) == 1 or not any(char.isalpha() for char in word):
        continue  # 忽略单字和非字母字符
    word = name_map.get(word, word)
    if word in names:
        word_counts[word] += 1

# 将Counter对象转换为字典
word_dict = dict(word_counts)

# 创建一个词云对象
wc = WordCloud(font_path='C:\\Windows\\Fonts\\STXINWEI.TTF',  # 指定字体文件路径，确保支持中文
               scale=32,
               background_color='white',  # 背景颜色
               max_words=20,  # 最大显示的词数
               max_font_size=100,  # 字体最大值
               min_font_size=10,   # 字体最小值
               width=250,  # 词云图的宽度
               height=150,  # 词云图的高度
               colormap='viridis'# 使用不同的颜色映射
)

# 生成词云
wc.generate_from_frequencies(word_dict)
# 显示词云图
plt.figure(figsize=(10, 5))
p