每天一碗，健康常有，20行Python代码实现鸡汤智能生成器_python随机生成每日鸡汤(2)

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

一提到自然语言生成，人们通常会觉得这一定是很先进的 AI 系统，使用了很高级的数学知识。但是，事实并非如此。在本文我（作者 Ramtin Alami——译者注）会用马尔科夫链（Markov chains）和一个很小的鸡汤文数据集生成新的鸡汤文。

更多Python视频、源码、资料加群683380553免费获取

马尔科夫链

马尔科夫链是一种随机模型，能根据先前的事件单独预测一个事件。举个简单的例子，就用我家喵主子的生活状态转换解释一下吧。我家喵主子总是要么吃、要么睡、要么玩玩具。她大部分时间都是在睡觉，但是偶尔会睡醒起来用膳。通常，用膳过后她会倍儿精神，开始玩玩具，玩够了就回去睡，然后再睡醒去吃。

用马尔科夫链就能很容易地模拟出我家喵主人的生活状态，因为她会根据之前的状态决定下一步去干嘛。她一般不会醒来后直接去玩玩具，但是吃完东西后，有很大概率去玩一会。这些生活状态转换也可以用图表的形式表现出来：

每个循环是一个生活状态，箭头所指的是下一个生活状态，箭头旁边的数字是指她从一种状态转到另一种状态的可能性。我们可以看到，状态转换的可能性基本上只根据上一种生活状态。

使用马尔科夫链生成文本

使用马尔科夫链生成文本也是采用了相同的理念，努力找到一个词出现在另一个词后面的概率。为了确认这些转换的可能性，我们用一些例句训练模型。

例如，我们使用下面这些句子训练模型：

我喜欢吃苹果（I like to eat apples）。 你吃橘子（You eat oranges）。

从上面这两个训练句子，我们可以总结出“I”（我），“like”（喜欢）和“eat”（吃）总是以相同的顺序出现，而“you”（你）和“eat”（吃）一直连在一起。但是“orange”（橘子）和“apples”（苹果）出现在词汇“eat”（吃）后面的几率是相等的。下面这个转换图表能更好地显示我上面讲的这一堆：

这两个训练句子能够生成两个新的句子，但是情况不总是这样。我用下面这四个句子训练了另一个模型，结果大不相同：

我朋友做出的树莓派在镇上最好（my friend makes the best raspberry pies in town）。 我觉得苹果派最好（i think apple pies are the best pies）。 史蒂夫觉得苹果做出的电脑在世界上最好（steve thinks apple makes the best computers in the world）。 我有两台电脑，它们不是苹果电脑，因为我既不是史蒂夫也不是大款（I own two computers and they’re not apple because I am not steve or rich）。

用这四个句子训练的模型的转换图表会大得多。

虽然图表和典型的马尔科夫链转换图表看起来大不一样，但两者背后的主要理念是一样的。

从起始节点开始的路径会随机选取接下来的词，一直到终端节点。词语之间相连路径的宽度表示词汇被选取的概率。

虽然只用四个句子训练，上面的模型却能够生成几百个不同的句子。

代码

上面这个文本生成器的代码非常简单，除了Python的随机模块，不需要任何额外的模块或程序库。代码包含两部分，一个用来训练，另一个用来生成。

训练

训练代码构造了我们稍后会用来生成鸡汤句的模型。我用了一个词典作为模型，其包含一些词汇作为关键点，还有一列可能跟随词作为对应值。例如，用上面“我喜欢吃苹果”（‘I like to eat apples’）和“你吃橘子”（You eat oranges）这两个句子训练的模型的词典会是这样：

我们不需要计算跟随词出现的概率，因为如果它们出现的概率较高，那么它们会在可能跟随词列表中多次出现。例如，如果我们想另外添加训练句子“我们吃苹果”（‘we eat apples’），词汇“苹果”（‘apples’）已经在两个句子中出现在词汇“吃”（eat）后面，那么它出现的概率就会很高。在该模型的词典中，如果在“吃”（eat）列表中出现两次就属于出现概率较高。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。*

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！