理一下畫關係圖的步驟：

首先，要找到《人民的名義》的臺詞（或劇本），可以使用UTF8編碼的txt檔案。

其次，要提取劇中的角色，這裡我們使用jieba分詞模組來提取文字中的角色名，得到圖的“節點”

然後，為再劇本中每一段中出現的若干個角色，兩兩之間建立一條“邊”，根據兩兩角色一同出現頻度，來決定邊的“權值”

最後，根據上面的資訊，使用Gephi來圖

可以先定義三個變數

# names        :   儲存人物，鍵為人物名稱，值為該人物在全文中出現的次數
# relationship :   儲存人物關係的有向邊，鍵為有向邊的起點，值為一個字典 edge ，edge 的鍵為有向邊的終點，值是有向邊的權值，
#                  代表兩個人物之間聯絡的緊密程度
# lineNames    :   快取變數，儲存對每一段分詞得到當前段中出現的人物名稱

names = {}
relationships = {}
lineNames = []
 

1.提取角色（節點）

jieba分詞中對人名的識別不夠準確，比如，可能會把“明白”、“文明”這樣的詞識別為人名，針對這個問題，可以建立使用者自定義字典，以提高《人民的名義》中人名的識別準確率。

可以在網上查詢角色表，寫入一個txt檔案。如下是一個自定義字典的示例，每行第一個代表字典中的詞，第二個代表頻數，第三個代表詞性。

jieba.load_userdict("RoleTable.txt")

在分詞後判斷一個詞是否為人名，可以用下面兩個條件篩選，滿足條件的可以人為不是人名

1) 該詞詞性不為 “nr”   2) 該詞長度小於2

with codecs.open("人民的名義.txt", 'r', 'utf8') as f:
    for line in f.readlines():    # 注意是 readlines 要加s 不加s 只讀取一行
        poss = pseg.cut(line)    # 分詞，返回詞性
        lineNames.append([])    # 為本段增加一個人物列表
        for w in poss:
            if w.flag != 'nr' or len(w.word) < 2:
                continue    # 當分詞長度小於2或該詞詞性不為nr（人名）時認為該詞不為人名
            lineNames[-1].append(w.word)    # 為當前段的環境增加一個人物
            if names.get(w.word) is None:    # 如果某人物（w.word）不在人物字典中
                names[w.word] = 0
                relationships[w.word] = {}
            names[w.word] += 1
 

可以檢視一下結果：

# 輸出人物出現次數統計結果
for name, times in names.items():
    print(name, times)

2.建立角色關係（邊）

# 對於 lineNames 中每一行，我們為該行中出現的所有人物兩兩相連。如果兩個人物之間尚未有邊建立，則將新建的邊權值設為 1，
# 否則將已存在的邊的權值加 1。這種方法將產生很多的冗餘邊，這些冗餘邊將在最後處理。
for line in lineNames:
    for name1 in line:
        for name2 in line:
            if name1 == name2:
                continue
            if relationships[name1].get(name2) is None:
                relationships[name1][name2] = 1
            else:
                relationships[name1][name2] = relationships[name1][name2] + 1

3.輸出圖的資訊

# 由於分詞的不準確會出現很多不是人名的“人名”，從而導致出現很多冗餘邊，為此可設定閾值為10，即當邊出現10次以上則認為不是冗餘
with codecs.open("People_node.txt", "w", "utf8") as f:
    f.write("ID Label Weight\r\n")
    for name, times in names.items():
        if times > 10:
            f.write(name + " " + name + " " + str(times) + "\r\n")

with codecs.open("People_edge.txt", "w", "utf8") as f:
    f.write("Source Target Weight\r\n")
    for name, edges in relationships.items():
        for v, w in edges.items():
            if w > 10:
                f.write(name + " " + v + " " + str(w) + "\r\n")

節點：

邊：

至此工作已完成一大半。

4.使用Gephi畫圖

筆者是在Windows環境下使用Gephi，為了能將圖的資訊匯入Gephi，需要對上面的People_node.txt與People_edge.txt檔案進行預處理。Linux環境可以跳過此步驟。

我們藉助Office的Excel將txt檔案轉換為csv檔案（一種逗號分隔的檔案）

開啟Excel -> 資料  -> 自文字 -> 選擇要轉換的txt檔案

選擇下一步

注意選擇分隔符號為空格

然後就可以將txt文字匯入，最後選擇另存為csv檔案即可。

開啟Gephi -> 檔案 -> 匯入電子表格 -> 選擇剛剛生成的csv檔案

注意：先匯入節點後匯入邊，兩個檔案匯入到同一個工作區域內

若出現亂碼重選字符集（如GBK）

注意：匯入節點檔案時可以是新建一個工作空間，但記得匯入邊檔案時要加入同一個工作空間

在 概況 -> 工作區 -> 外觀 中選擇你想要的外觀

在 概況 -> 工作區 -> 佈局 中選擇你想要的佈局，記得點執行

在 預覽 -> 預覽設定 -> 節點 中勾選 顯示標籤，選擇合適的字型字號

在 預覽 -> 預覽設定 -> 邊 中勾選 重新調整權重

為了美觀可以將邊箭頭尺寸調為零，最後選擇重新整理

可以通過 檔案 -> 輸出 來輸出圖檔案，下面是筆者做出來的示例：

全部程式碼：

# -*- conding: utf-8 -*-
import codecs
import jieba.posseg as pseg
import jieba

# names        :   儲存人物，鍵為人物名稱，值為該人物在全文中出現的次數
# relationship :   儲存人物關係的有向邊，鍵為有向邊的起點，值為一個字典 edge ，edge 的鍵為有向邊的終點，值是有向邊的權值，
#                  代表兩個人物之間聯絡的緊密程度
# lineNames    :   快取變數，儲存對每一段分詞得到當前段中出現的人物名稱

names = {}
relationships = {}
lineNames = []

jieba.load_userdict("RoleTable.txt")
with codecs.open("人民的名義.txt", 'r', 'utf8') as f:
    for line in f.readlines():    # 注意是 readlines 要加s 不加s 只讀取一行
        poss = pseg.cut(line)    # 分詞，返回詞性
        lineNames.append([])    # 為本段增加一個人物列表
        for w in poss:
            if w.flag != 'nr' or len(w.word) < 2:
                continue    # 當分詞長度小於2或該詞詞性不為nr（人名）時認為該詞不為人名
            lineNames[-1].append(w.word)    # 為當前段的環境增加一個人物
            if names.get(w.word) is None:    # 如果某人物（w.word）不在人物字典中
                names[w.word] = 0
                relationships[w.word] = {}
            names[w.word] += 1

# 輸出人物出現次數統計結果
# for name, times in names.items():
#    print(name, times)

# 對於 lineNames 中每一行，我們為該行中出現的所有人物兩兩相連。如果兩個人物之間尚未有邊建立，則將新建的邊權值設為 1，
# 否則將已存在的邊的權值加 1。這種方法將產生很多的冗餘邊，這些冗餘邊將在最後處理。
for line in lineNames:
    for name1 in line:
        for name2 in line:
            if name1 == name2:
                continue
            if relationships[name1].get(name2) is None:
                relationships[name1][name2] = 1
            else:
                relationships[name1][name2] = relationships[name1][name2] + 1

# 由於分詞的不準確會出現很多不是人名的“人名”，從而導致出現很多冗餘邊，為此可設定閾值為10，即當邊出現10次以上則認為不是冗餘
with codecs.open("People_node.txt", "w", "utf8") as f:
    f.write("ID Label Weight\r\n")
    for name, times in names.items():
        if times > 10:
            f.write(name + " " + name + " " + str(times) + "\r\n")

with codecs.open("People_edge.txt", "w", "utf8") as f:
    f.write("Source Target Weight\r\n")
    for name, edges in relationships.items():
        for v, w in edges.items():
            if w > 10:
                f.write(name + " " + v + " " + str(w) + "\r\n")