基于共现发现人物关系的python实现+gephi人物关系网+tableau词云

今天做的是小说人物关系图，小说是我最喜欢的一本，我看了好多遍，闲听落花的《盛华》。

共现：将每一段中的人物角色抽取出来，然后以段落为单位，统计两个角色同时出现的出现次数，并把结果存在一个二维矩阵之中。这个矩阵也可以作为关系图的矩阵，矩阵中的元素(统计的出现次数)就是边的权值。

#这个是标准语法，可以得到人物和人物出现的次数，《盛华》人物太多，且jieba.load_userdict在我这里没有反应，我改了一下代码。

import os, sys
import jieba, codecs, math
import jieba.posseg as pseg

names = {}            # 姓名字典
relationships = {}    # 关系字典
lineNames = []        # 每段内人物关系

jieba.load_userdict("dict.txt")        # 加载字典
with codecs.open("busan.txt", "r", "utf8") as f:
    for line in f.readlines():
        poss = pseg.cut(line)        # 分词并返回该词词性
        lineNames.append([])        # 为新读入的一段添加人物名称列表
        for w in poss:
            if w.flag != "nr" or len(w.word) < 2:
                continue            # 当分词长度小于2或该词词性不为nr时认为该词不为人名
            lineNames[-1].append(w.word)        # 为当前段的环境增加一个人物
            if names.get(w.word) is None:
                names[w.word] = 0
                relationships[w.word] = {}
            names[w.word] += 1                    # 该人物出现次数加 1


#看一下效果
for name, times in names.items():
    print(name, times)

import os, sys
import jieba, codecs, math
import jieba.posseg as pseg

names = {}            # 姓名字典
relationships = {}    # 关系字典
lineNames = []        # 每段内人物关系

words = [line.strip() for line in open("C:/Users/Dell/Desktop/郑佳重要/python/namedict.txt",encoding='UTF-8').readlines()]
#我把主要出场人物保存在words中，只统计在words中出现的人物之间的关系

with codecs.open("C:/Users/Dell/Desktop/郑佳重要/python/盛华.txt", "r") as f:
    for line in f.readlines():
        poss = pseg.cut(line)        # 分词并返回该词词性
        lineNames.append([])        # 为新读入的一段添加人物名称列表
        for w in poss:
            if w.word in words:
                           
                lineNames[-1].append(w.word)    
                if names.get(w.word) is None:
                    names[w.word] = 0
                    relationships[w.word] = {}
                names[w.word] += 1  

#此时得到的人物和频率会更整齐

#统计每个人出现的次数，和他们的共现次数
for line in lineNames:                    # 对于每一段
    for name1 in line:                    
        for name2 in line:                # 每段中的任意两个人
            if name1 == name2:
                continue
            if relationships[name1].get(name2) is None:        # 若两人尚未同时出现则新建项
                relationships[name1][name2]= 1
            else:
                relationships[name1][name2] = relationships[name1][name2]+ 1        # 两人共同出现次数加 1
                
with codecs.open("C:/Users/Dell/Desktop/郑佳重要/python/busan_node.csv", "w", "gbk") as f:
    f.write("Id Label Weight\r\n")
    for name, times in names.items():
        f.write(name + " " + name + " " + str(times) + "\r\n")

with codecs.open("C:/Users/Dell/Desktop/郑佳重要/python/busan_edge.csv", "w", "gbk") as f:
    f.write("Source Target Weight\r\n")
    for name, edges in relationships.items():
        for v, w in edges.items():
            if w > 3:
                f.write(name + " " + v + " " + str(w) + "\r\n")

此时会得到两个表，一个是单个人物在书中的出现次数，node表。另外一个是统计两个人物共现的次数edge表。

使用gephi做人物关系网图。《盛华》这本小说很长，两百多万字，且文章中名字并不十分统一，举例来说，李夏，阿夏，王妃都是一个人，所以统计并不精确。

gephi的这个页面真的好好看啊。

我最后做出来的关系图，说实话，真的丑，我下载的gephi预览模块不好用。

突然想起来我有tableau，顺便做个词云吧！用的是前面得到的node表，里面是单个人物在书中的出现次数。

1、打开node表

 2、打开工作表1

 把id列和Weight(频数)列放在下面的位置。

 

 

 

 

我有很多好看的字体。