用Python分析《斗破苍穹》

作者：量化小白H     Python爱好者社区专栏作者

个人公众号：量化小白上分记

近期根据小说《斗破苍穹》改编的同名电视剧正在热映，本文对《斗破苍穹》进行文本分析，分为两部分，首先爬取豆瓣影评进行简单分析，随后对于原创小说文本中的人物进行详细分析，文章代码和数据在后台回复" 斗破苍穹" 可得。

1.影评分析

爬取影评直接使用之前 蚁人 的代码，不再说明，共爬到影评数据500条。

简单统计来看，一星差评最多，但四五星评价与一二星差评价基本持平。

不过从投票数来看，投票数最多的前25条，无一例外都是一星差评

大家给差评的原因也很统一，电视剧对小说改编过多，原著党难以接受，再加上5毛钱特效和演员的尴尬演技，感觉是妥妥烂片无疑了。不妨再看看给好评的人都是些神马想法

除过一些明明给了很差评价还点了力荐的观众之外，投票数最多的好评都来自于主演的粉丝，对他们来说，剧情研究都不重要，看颜就行。

2.小说文本分析

1. 人物出场频数

分析完影评，作为一名原著党，我觉得更有必要分析一下小说原文，直接百度下载到一个小说txt文件，小说共有1646章，首先来看看小说中出场次数最多的人物

男主出场次数太多，远远高于其他人物，我们不考虑主角，看看其他人物的出场次数

部分代码如下

 1# -*- coding: utf-8 -*-  2"""  3Created on Mon Sep 17 19:51:48 2018  4  5@author: hzp0625  6"""  7  8import pandas as pd  9import os 10os.chdir('F:\\python_study\\pachong\\斗破苍穹') 11import re 12import numpy as np 13import jieba 14import matplotlib.pyplot as plt 15from matplotlib.font_manager import FontProperties 16font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc')#,size=20指定本机的汉字字体位置 17import matplotlib.pyplot as plt 18import networkx as nx   19 20 21texts = open('all（校对版全本）.txt',"r") 22 23texts = texts.read() 24 25AllChapters = re.split('第[0-9]*章',texts)[1:] 26 27AllChapters = pd.DataFrame(AllChapters,columns = ['text']) 28AllChapters['n'] = np.arange(1,1647) 29 30# 载入搜狗细胞词库 31jieba.load_userdict('斗破苍穹.txt') 32jieba.load_userdict('斗破苍穹异火.txt') 33stopwords = open('中文停用词表（比较全面，有1208个停用词）.txt','r').read() 34stopwords = stopwords.split('\n') 35 36 37 38# 主要人物出现的总频数，人物名单从百度百科获取 39nameall = open('所有人物.txt','r').read().split('\n') 40nameall = pd.DataFrame(nameall,columns = ['name']) 41textsall = ''.join(AllChapters.text.tolist()) 42nameall['num'] = nameall.name.apply(lambda x:textsall.count(x)) 43 44nameall.loc[nameall.name=='熏儿','num'] = nameall.loc[nameall.name=='熏儿','num'].values[0] + nameall.loc[nameall.name=='熏儿','num'].values[0] 45nameall.loc[nameall.name=='熏儿','num'] = -886 46 47 48 49nameall.loc[nameall.name=='彩鳞','num'] = nameall.loc[nameall.name=='彩鳞','num'].values[0] + nameall.loc[nameall.name=='美杜莎','num'].values[0] 50nameall.loc[nameall.name=='美杜莎','num'] = -886 51 52nameall = nameall.sort_values('num',ascending = False) 53 54 55plt.figure(figsize=(8,10)) 56fig = plt.axes() 57n = 50 58plt.barh(range(len(nameall.num[:n][::-1])),nameall.num[:n][::-1],color = 'darkred') 59fig.set_yticks(np.arange(len(nameall.name[:n][::-1]))) 60fig.set_yticklabels(nameall.name[:n][::-1],fontproperties=font) 61plt.xlabel('人物出场次数',fontproperties = font) 62plt.show() 

2. 女主分析

从出场频数来看，排名前4的是主角的老师和三个女主，那么究竟哪一个是女一？单从出场次数来看的话可能会太过简单，我们对小说分章节统计每章中所有女主的出场次数，来看看女主出场的时间分布，横轴为章节号，纵轴为出现次数

从分布图来看，前中期各个女主出场的重叠不多，每个人陪男主走过不同的剧情副本，结尾合家欢。

 1# 女主每章出现次数统计：熏儿，云韵，小医仙，彩鳞，美杜莎  2  3names = ['熏儿','云韵','小医仙','彩鳞','美杜莎']  4result['熏儿'] = result.fenci.apply(lambda x:x.count('熏儿') + x.count('薰儿'))  5result['云韵'] = result.fenci.apply(lambda x:x.count('云韵'))  6result['小医仙'] = result.fenci.apply(lambda x:x.count('小医仙'))  7result['彩鳞'] = result.fenci.apply(lambda x:x.count('彩鳞') + x.count('美杜莎'))  8  9 10plt.figure(figsize=(15,5)) 11plt.plot(np.arange(1,result.shape[0]+1),result['熏儿'],color="r",label = u'熏儿') 12plt.plot(np.arange(1,result.shape[0]+1),result['云韵'],color="lime",label = u'云韵') 13plt.plot(np.arange(1,result.shape[0]+1),result['小医仙'],color="gray",label = u'小医仙') 14plt.plot(np.arange(1,result.shape[0]+1),result['彩鳞'],color="orange",label = u'彩鳞') 15plt.legend(prop =font) 16plt.xlabel(u'章节',fontproperties = font) 17plt.ylabel(u'出现次数',fontproperties = font) 18plt.show() 

3. 人物社交关系网络

接下来，我们对小说中的人物关系做一些探究，如果两个人物同时出现在文章的一个段落里，我们就认为这两个人物之间有一定的联系（也可以以句或章节为单位），以此为规则，计算所有人物的共现矩阵。所以人物列表通过百度百科获取，保存为txt文件便于读取。

将小说文本按段落划分之后，会发现共有八万多个段落，人物有一百个左右，直接循环效率太低，但观察得到的段落，有很多单字成段的语气词，这些可以直接删掉。

因此，对于得到的段落，我们首先删掉段落长度小于20个字的，用剩余的段落计算共现矩阵，部分主要人物的共现矩阵如下

用所有人物的共现矩阵构造社交关系网络图，计算出边和节点矩阵后，用Gephi软件直接作图（python也可以用networkx作图）

删掉边权重小于10的值后，重新作图，结果相对清晰一些，连线越宽，表明人物见的联系越紧密。

 1# 社交网络图  共现矩阵  2# 两个人物出现在同一段，说明有某种关系  3words = open('all（校对版全本）.txt','r').readlines()  4words = pd.DataFrame(words,columns = ['text'],index = range(len(words)))  5words['wordnum'] = words.text.apply(lambda x:len(x.strip()))  6words = words.loc[words.wordnum>20,]  7wrods = words.reset_index(drop = True)  8relationmat = pd.DataFrame(index = nameall.name.tolist(),columns = nameall.name.tolist()).fillna(0)  9 10 11wordss = words.text.tolist() 12for k in range(len(wordss)): 13    for i in nameall.name.tolist(): 14        for j in nameall.name.tolist(): 15            if i in wordss[k] and j in  wordss[k]: 16                relationmat.loc[i,j] += 1  17    if k%1000 ==0: 18        print(k) 19 20relationmat.to_excel('共现矩阵.xlsx') 21 22# 网络图 23 24 25# 边与权重矩阵 26#relationmat1 = pd.DataFrame(index = range(relation.shape[])) 27relationmat1 = {} 28for i in relationmat.columns.tolist(): 29    for j in relationmat.columns.tolist(): 30        relationmat1[i, j] = relationmat.loc[i,j] 31 32 33edgemat = pd.DataFrame(index = range(len(relationmat1))) 34node = pd.DataFrame(index = range(len(relationmat1))) 35 36edgemat['Source'] = 0 37edgemat['Target'] = 0 38edgemat['Weight'] = 0 39 40node['Id'] = 0 41node['Label'] = 0 42node['Weight'] = 0 43 44 45names = list(relationmat1.keys()) 46weights = list(relationmat1.values()) 47for i in range(edgemat.shape[0]): 48    name1 = names[i][0] 49    name2 = names[i][1] 50    if name1!=name2: 51        edgemat.loc[i,'Source'] = name1 52        edgemat.loc[i,'Target'] = name2 53        edgemat.loc[i,'Weight'] = weights[i] 54    else: 55        node.loc[i,'Id'] = name1 56        node.loc[i,'Label'] = name2 57        node.loc[i,'Weight'] = weights[i]         58    i+=1 59 60 61edgemat = edgemat.loc[edgemat.Weight!=0,] 62edgemat = edgemat.reset_index(drop = True) 63node = node.loc[node.Weight!=0,] 64node = node.reset_index(drop = True) 65 66 67 68edgemat.to_csv('边.csv',index = False) 69node.to_csv('节点.csv',index = False) 

4. 分词词云

最后，还是以小说文本的词云作为文章结尾，为了使文本分词更准确，这里我们使用了网上流传的包含1208个词的中文停用词表，以及通过搜狗细胞词库得到的两个词库，主要包含一些人名，地名，组织名称，异火等。

网址： https://pinyin.sogou.com/dict/

Python爱好者社区历史文章大合集 ：

Python爱好者社区历史文章列表（每周append更新一次）

福利：文末扫码立刻关注公众号， “Python爱好者社区” ，开始学习Python课程：

关注后在公众号内回复 “ 课程 ” 即可获取 ：

小编的Python入门免费视频课程 ！！！

【最新免费微课】小编的Python快速上手matplotlib可视化库！！！

崔老师 爬虫实战案例 免费学习视频。

陈老师 数据分析报告制作 免费学习视频。

玩转大数据分析！Spark2.X+Python 精华实战课程 免费学习视频。

本文由Python爱好者社区 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。