震惊！用Python探索《红楼梦》的人物关系！

2023-02-28

name for 人物

数据准备红楼梦txt电子书一份。金陵十二钗+贾宝玉人物名称列表。复制宝玉nr黛玉nr宝钗nr湘云nr凤姐nr李纨nr元春nr迎春nr探春nr惜春nr妙玉nr巧姐nr秦氏nr1.2.3.4.5.6.7.8.9.10.11.12.13.该分列表是为了做分词时使用，后面的nr就是人名的意思。人物出镜次数首

数据准备

红楼梦 txt 电子书一份。

金陵十二钗 + 贾宝玉人物名称列表。

宝玉 nr
黛玉 nr
宝钗 nr
湘云 nr
凤姐 nr
李纨 nr
元春 nr
迎春 nr
探春 nr
惜春 nr
妙玉 nr
巧姐 nr
秦氏 nr1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.

该分列表是为了做分词时使用，后面的 nr 就是人名的意思。

人物出镜次数

首先读取小说；

with open("红楼梦.txt", encoding="gb18030") as f:
    honglou = f.read()1.
2.

接下来进行出场次数数据整理；

honglou = honglou.replace("\n", " ")
honglou_new = honglou.split(" ")
renwu_list = ['宝玉', '黛玉', '宝钗', '湘云', '凤姐', '李纨', '元春', '迎春', '探春', '惜春', '妙玉', '巧姐', '秦氏']
renwu = pd.DataFrame(data=renwu_list, columns=['姓名'])
renwu['出现次数'] = renwu.apply(lambda x: len([k for k in honglou_new if x[u'姓名'] in k]), axis=1)
renwu.to_csv('renwu.csv', index=False, sep=',')
renwu.sort_values('出现次数', ascending=False, inplace=True)
attr = renwu['姓名'][0:12]
v1 = renwu['出现次数'][0:12]1.
2.
3.
4.
5.
6.
7.
8.
9.

这样我们就得到了 attr 和 v1 两个数据，内容如下：

下面就可以通过 pyecharts 来绘制柱状图了；

bar = (
    Bar()
    .add_xaxis(attr.tolist())
    .add_yaxis("上镜次数", v1.tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title="红楼梦上镜13人"))
)
bar.render_notebook()1.
2.
3.
4.
5.
6.
7.

人物关系

数据处理

我们先将读取到内存中的小说内容进行 jieba 分词处理；

import jieba
jieba.load_userdict("renwu_forcut")
renwu_data = pd.read_csv("renwu_forcut", header=-1)
mylist = [k[0].split(" ")[0] for k in renwu_data.values.tolist()]1.
2.
3.
4.

通过 load_userdict 将我们上面自定义的词典加载到了 jieba 库中；

接下来进行分词处理；

tmpNames = []
names = {}
relationships = {}
for h in honglou:
    h.replace("贾妃", "元春")
    h.replace("李宫裁", "李纨")
    poss = pseg.cut(h)
    tmpNames.append([])
    for w in poss:
        if w.flag != 'nr' or len(w.word) != 2 or w.word not in mylist:
            continue
        tmpNames[-1].append(w.word)
        if names.get(w.word) is None:
            names[w.word] = 0
        relationships[w.word] = {}
        names[w.word] += 11.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.

因为文中"贾妃", "元春"，"李宫裁", "李纨" 等人物名字混用严重，所以这里做替换处理。

然后使用 jieba 库提供的 pseg 工具来做分词处理，会返回每个分词的词性。

之后做判断，只有符合要求且在我们提供的字典列表里的分词，才会保留。

一个人每出现一次，就会增加一，方便后面画关系图时，人物 node 大小的确定。

对于存在于我们自定义词典的人名，保存到一个临时变量当中 tmpNames。

下面处理每个段落中的人物关系：

for name in tmpNames:
        for name1 in name:
            for name2 in name:
                if name1 == name2:
                    continue
                if relationships[name1].get(name2) is None:
                    relationships[name1][name2] = 1
                else:
                    relationships[name1][name2] += 11.
2.
3.
4.
5.
6.
7.
8.
9.

对于出现在同一个段落中的人物，我们认为他们是关系紧密的，同时每出现一次，关系增加1。

最后可以把相关信息保存到文件当中。

with open("relationship.csv", "w", encoding='utf-8') as f:
        f.write("Source,Target,Weight\n")
        for name, edges in relationships.items():
            for v, w in edges.items():
                f.write(name + "," + v + "," + str(w) + "\n")
with open("NameNode.csv", "w", encoding='utf-8') as f:
    f.write("ID,Label,Weight\n")
    for name, times in names.items():
        f.write(name + "," + name + "," + str(times) + "\n")1.
2.
3.
4.
5.
6.
7.
8.
9.

文件1：人物关系表，包含首先出现的人物、之后出现的人物和一同出现次数。

文件2：人物比重表，包含该人物总体出现次数，出现次数越多，认为所占比重越大。

数据分析

下面我们可以做一些简单的人物关系分析。

这里我们还是使用 pyecharts 绘制图表。

def deal_graph():
    relationship_data = pd.read_csv('relationship.csv')
    namenode_data = pd.read_csv('NameNode.csv')
    relationship_data_list = relationship_data.values.tolist()
    namenode_data_list = namenode_data.values.tolist()
    nodes = []
    for node in namenode_data_list:
        if node[0] == "宝玉":
            node[2] = node[2]/3
        nodes.append({"name": node[0], "symbolSize": node[2]/30})
    links = []
    for link in relationship_data_list:
        links.append({"source": link[0], "target": link[1], "value": link[2]})
    g = (
        Graph()
        .add("", nodes, links, repulsion=8000)
        .set_global_opts(title_opts=opts.TitleOpts(title="红楼人物关系"))
    )
    return g1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.