数据分析告诉你，韦小宝跟他七个老婆哪个最亲？
挖数 腾讯数据产品经理 & 段子手
个人微信公号：washu66
往期回顾
金庸的“飞雪连天射白鹿，笑书神侠倚碧鸳”，唯独《鹿鼎记》写的最是香艳动人，年少时阅此书，每每春心荡漾，心里如钻进小鹿。
刁蛮任性的建宁公主、天香国色的阿珂、温柔懂事的双儿，在当时年少的我心中，真是得一个足矣。
作者在写小说时，往往会将自己代入到书中主角，因此金庸写韦小宝，往往是在写他自己，或者说是期望的自己。
因此要看韦小宝与七个老婆谁最亲，可以看书中韦小宝与七个老婆谁的互动最多。
首先下载《鹿鼎记》整本小说的txt。
韦小宝一听大喜，心想：“原来你名叫阿珂，终于给我知道了。”他随伴白衣尼多日，知她喜人恭谨谦让，在她面前，越是吃亏，越有好处，忙道：“师太，姑娘这两脚原是该踢的，实在是我不对，真难怪姑娘生气。她便再踢我一千一万下，那也是小的该死。”爬起身来，双手托住下颚，只痛得眼泪也流了出来。这倒不是做作，实在那一脚踢得不轻。
然后我们定义这样的指标：
七个老婆名字与韦小宝在同一段落一起出现的次数，作为 亲密度 指标，如以上段落，韦小宝和阿珂的亲密度+1。
找到七个老婆的名词：
阿珂
苏荃/洪夫人
建宁公主/建宁
双儿
沐剑屏/郡主
方怡/方姑娘
曾柔/曾姑娘
将《鹿鼎记》txt按照段落，分割成11581个txt文件。
分割文件的python代码：
s = open('d:/lu/lu.txt','r')
q = s.read()
f = q.split('')
x=1
for i in f:
b = open('d:/lu/'+str(x)+'.txt','w')
b.write(i)
x+=1
print x
s.close
然后用python的结巴分词包，去匹配每个名字在每个段落是否有出现，出现标记为1，否则为0.
x=1
result={'xiaobao':[],'ake':[],'suquan':[],'jianning':[],'shuanger':[],'junzhu':[],'fangyi':[],'zengrou':[]}
while x<=11581:
a={'word':[],'count':[]}
f=open('d:/lu/'+str(x)+'.txt','r').read()
words=list(jieba.cut(f))
if u'韦小宝' in words:
result['xiaobao'].append(1)
else:
result['xiaobao'].append(0)
if u'阿珂' in words:
result['ake'].append(1)
else:
result['ake'].append(0)
...
再两两计算在段落里一同出现的次数。
result2={'role':[],'xiaobao':[],'ake':[],'suquan':[],'jianning':[],'shuanger':[],'junzhu':[],'fangyi':[],'zengrou':[]}
for a in b.columns.values:
x=xiaobao=ake=suquan=jianning=shuanger=junzhu=fangyi=zengrou=0
while x<=11580:
if b.iloc[x][a]==1:
if b.iloc[x]['xiaobao']==1:
xiaobao+=1
if b.iloc[x]['ake']==1:
ake+=1
...
x+=1
result2['role'].append(a)
result2['xiaobao'].append(xiaobao)
result2['ake'].append(ake)
result2['suquan'].append(suquan)
result2['jianning'].append(jianning)
result2['shuanger'].append(shuanger)
result2['junzhu'].append(junzhu)
result2['fangyi'].append(fangyi)
result2['zengrou'].append(zengrou)
o=pd.DataFrame(result2)
o.to_csv('d:/lu/lu2.csv',mode='w',encoding='UTF-8')
最后生成这样一份矩阵的csv文件。
由以上矩阵可以得出韦小宝跟七个老婆的亲密度如下：
韦小宝&双儿：327
韦小宝&沐剑屏：278
韦小宝&阿珂：203
韦小宝&方怡：147
韦小宝&苏荃：135
韦小宝&建宁公主：47
韦小宝&曾柔：28
实际以上不仅算出韦小宝跟七个老婆的亲密度，还算出了七个老婆两两之间的亲密度。
我们将以上矩阵丢进Gephi（一款画关系矩阵的可视化软件），以散点的大小代表名字出现的频次，以线的粗细代表亲密度的大小，得到这样一张图。
所以，是双儿笑到了最后
最喜欢周星驰版的双儿 (~﹁~)
同理，我还做了《还珠格格》的关系图
计算了包括小燕子、紫薇、乾隆、尔康、五阿哥、金锁、尔泰、皇后、令妃、塞娅、柳青、柳红在内的亲密度。
发现《还珠格格》原来讲的是小燕子、紫薇和乾隆三角恋的故事，其他角色都是打酱油的 ╮(￣▽ ￣)╭
所以，姜还是皇阿玛的辣
最后，手把手教你怎么用Gephi画关系图。
1、首先，从官网下载Gephi；
2、文件-导入表格，根据数据形式选择类型，本文是选择矩阵；
3、耐心调整数据，包括结点、边的颜色和大小（选完记得点应用），结点的标签要点T才能展示，然后一些lable要在数据资料那里赋值才能展示出来；
4、最后，预览，刷新，然后输出图片。
End
关注我，定期推送数据分析相关的有趣文章
2018天善智能SVIP热力来袭
学你所想，冲破禁锢！
特色课程，15选8，学习目标一网打尽
点击阅读原文查看详情
点击“阅读原文”立即开始学习吧！