怀旧篇学Python！你看过斗破苍穹嘛？今天来好好怀旧一下！

概述近期根据小说《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

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。

加\/X：mmp9972   即可获取数十套pdf哦！

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 os10os.chdir('F:\python_study\pachong\斗破苍穹')11import re12import numpy as np13import jIEba14import matplotlib.pyplot as plt15from matplotlib.Font_manager import FontPropertIEs16Font = FontPropertIEs(fname=r'c:windowsontssimsun.ttc')#,size=20指定本机的汉字字体位置17import matplotlib.pyplot as plt18import networkx as nx 192021texts = open('all（校对版全本）.txt',"r")2223texts = texts.read()2425AllChapters = re.split('第[0-9]*章',texts)[1:]2627AllChapters = pd.DataFrame(AllChapters,columns = ['text'])28AllChapters['n'] = np.arange(1,1647)2930# 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('')35363738# 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('')40nameall = pd.DataFrame(nameall,columns = ['name'])41textsall = ''.join(AllChapters.text.toList())42nameall['num'] = nameall.name.apply(lambda x:textsall.count(x))4344nameall.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'] = -88646474849nameall.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'] = -8865152nameall = nameall.sort_values('num',ascending = False)535455plt.figure(figsize=(8,10))56fig = plt.axes()57n = 5058plt.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 910plt.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['云韵'],color="lime",label = u'云韵')13plt.plot(np.arange(1,result['小医仙'],color="gray",label = u'小医仙')14plt.plot(np.arange(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) 91011wordss = 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)1920relationmat.to_excel('共现矩阵.xlsx')2122# 网络图232425# 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]313233edgemat = pd.DataFrame(index = range(len(relationmat1)))34node = pd.DataFrame(index = range(len(relationmat1)))3536edgemat['Source'] = 037edgemat['Target'] = 038edgemat['Weight'] = 03940node['ID'] = 041node['Label'] = 042node['Weight'] = 0434445names = 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'] = name152 edgemat.loc[i,'Target'] = name253 edgemat.loc[i,'Weight'] = weights[i]54 else:55 node.loc[i,'ID'] = name156 node.loc[i,'Label'] = name257 node.loc[i,'Weight'] = weights[i] 58 i+=1596061edgemat = edgemat.loc[edgemat.Weight!=0,]62edgemat = edgemat.reset_index(drop = True)63node = node.loc[node.Weight!=0,]64node = node.reset_index(drop = True)65666768edgemat.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/

总结

以上是内存溢出为你收集整理的怀旧篇学Python！你看过斗破苍穹嘛？今天来好好怀旧一下！全部内容，希望文章能够帮你解决怀旧篇学Python！你看过斗破苍穹嘛？今天来好好怀旧一下！所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。