Python 统计《水浒传》一百零八将名字在原著中的出现频率

准备工作

1. Python 环境。
2. 《水浒传》原著 txt 文档一份。（吐槽一下，找遍全网也没找到一份精校过的txt 文档），文档命名 简体中文_水浒传.txt。实在找不到可以到古登堡计划网站下载一份繁体版，然后用 opencc 转成简体的。
3. 108将名单，可以从百度上找，稍微处理下就能用。文档名name108.txt

代码

name_file_path = 'name108.txt'
novel_path = '简体中文_水浒传.txt'

names = []
with open(name_file_path, encoding='utf-8') as nf:
    for line in nf.readlines():
        names.append(line.strip())


with open(novel_path, encoding='utf-8') as nf:
    text = nf.read()
    
# 新建字典存放数据
dic = {}

for name in names:
    dic[name] = text.count(name)
# 排序
sorted_dic = sorted(dic.items(), key=lambda d:d[1], reverse=True)
# 打印结果
print(sorted_dic)

结果如下：

[('宋江', 1868), ('武松', 925), ('李逵', 628), ('林冲', 619), ('戴宗', 400), ('吴用', 387), ('杨志', 308), ('石秀', 295), ('花荣', 260), ('呼延灼', 218), 
('杨雄', 218), ('史进', 210), ('朱仝', 203), ('卢俊义', 196), ('秦明', 196), ('柴进', 194), ('鲁智深', 178), ('雷横', 176), ('张顺', 175), ('公孙胜', 156), ('关胜', 134), ('刘唐', 134), ('时迁', 122), ('朱贵', 121), ('徐宁', 116), ('施恩', 114), ('黄信', 103), ('孙立', 88), ('燕顺', 88), ('李应', 84), ('李 
俊', 82), ('杨林', 81), ('张清', 79), ('解珍', 75), ('董平', 71), ('汤隆', 71), ('索超', 69), ('燕青', 69), ('朱武', 68), ('张青', 68), ('解宝', 66), ('石
勇', 66), ('白胜', 66), ('顾大嫂', 63), ('阮小二', 58), ('阮小七', 57), ('张横', 54), ('孔亮', 54), ('杜迁', 53), ('李忠', 53), ('孙新', 52), ('穆弘', 51), ('吕方', 50), ('阮小五', 49), ('乐和', 49), ('宣赞', 48), ('郭盛', 48), ('陈达', 48), ('蔡福', 47), ('韩滔', 45), ('宋万', 45), ('杜兴', 44), ('宋清', 42), ('周通', 42), ('孔明', 41), ('欧鹏', 40), ('邓飞', 40), ('曹正', 40), ('彭玘', 39), ('杨春', 37), ('凌振', 36), ('薛永', 36), ('邹渊', 36), ('安道全', 35), ('郝思文', 34), ('朱富', 34), ('李云', 34), ('孙二娘', 33), ('马麟', 32), ('邹润', 31), ('李立', 31), ('萧让', 30), ('郑天寿', 30), ('单廷珪', 29), 
('魏定国', 29), ('项充', 29), ('樊瑞', 28), ('王定六', 28), ('李衮', 27), ('童威', 25), ('金大坚', 23), ('童猛', 23), ('侯健', 23), ('穆春', 22), ('郁保四
', 21), ('裴宣', 20), ('蔡庆', 19), ('丁得孙', 17), ('段景住', 17), ('王英', 16), ('扈三娘', 16), ('龚旺', 16), ('鲍旭', 11), ('焦挺', 11), ('孟康', 10), 
('陶宗旺', 10), ('蒋敬', 9), ('皇甫端', 8)]

可视化

通过 matplotlib 显示前十的数据

import matplotlib.pyplot as plt

--省略的上文代码--

top_ten_names =[x[0] for x in sorted_dic[:10]]
top_ten_counts = [x[1] for x in sorted_dic[:10]]
# top_ten_counts = list(sorted_dic.values())[:10]

# 中文乱码处理
plt.rcParams["font.sans-serif"] = ["KaiTi"]
plt.rcParams['axes.unicode_minus'] = False

plt.bar(range(10), top_ten_counts, align='center', color='lightblue')
# 添加y轴标签
plt.ylabel("出现次数")
#添加x轴刻度标签
plt.xticks(range(10), top_ten_names)

plt.title("一百单八将名字在水浒原著中出现频次 TOP 10")

for x,y in enumerate(top_ten_counts):
	# x:x轴坐标；
	# y: y轴坐标；
	# s:显示的值；
	# ha:文字的左端位置，可选'center', 'right', 'left'
	# va:文字的低端位置，可选'center', 'top', 'bottom', 'baseline', 'center_baseline'
    plt.text(x=x, y=y, s=y, ha='center', va='bottom')

plt.show()

程序结果：

由于 《水浒传》 txt 中可能存在错字、缺字等问题。所以文中结果数据并不一定准确。