Python文本分析：大六壬课经的学习建议--四柱八字,命理,八字命理,六爻占卜,命理百科-寅午文化

#大六壬#大六壬杂谈

笔者用Python文本分析方法对《大六壬直指》中课经的出现频率进行统计分析，得出了非常有意义的结论。文章从结论建议、思路方法和实现途径3部分展开。

1.结论建议

现代的排盘软件大都直接引用《大六壬直指》的内容进行展示，六壬直指的第一行就是课体，对于我们掌握课局的大势非常重要。

我用《六壬大全》中的64课体和《大六壬直指》中720课中的课体进行对比统计，我发现大全中的64课体，只有42个出现在直指中。42个课体中出现次数由高到低的24个，占了42个课体总频次的95.5%。

因此，我们学习《六壬大全》中的64课体，大可不必平均用力。我们只要花费主要精力，掌握其中的24个课体，基本上就能完成对课经的学习。其余的课体，出现概率极少，用到的时候再学习即可。

这24个课体及其出现的次数由高到低罗列如下：

排序	课体	次数	累计次数	累计百分比
1	重审	213	213	14.50%
2	斩关	164	377	25.66%
3	励德	134	511	34.79%
4	元首	116	627	42.68%
5	元胎	113	740	50.37%
6	间传	95	835	56.84%
7	涉害	72	907	61.74%
8	知一	71	978	66.58%
9	伏吟	60	1038	70.66%
10	返吟	56	1094	74.47%
11	三奇	32	1126	76.65%
12	三交	32	1158	78.83%
13	六仪	31	1189	80.94%
14	遥克	29	1218	82.91%
15	铸印	28	1246	84.82%
16	龙战	26	1272	86.59%
17	度厄	22	1294	88.09%
18	八专	19	1313	89.38%
19	闭口	18	1331	90.61%
20	斫轮	16	1347	91.70%
21	昴星	15	1362	92.72%
22	游子	14	1376	93.67%
23	赘婿	14	1390	94.62%
24	芜淫	13	1403	95.51%

24个课体的柱状图和饼状图如下：

《六壬直指》中全部42个课体及其出现的次数由高到低罗列如下：

排序	课体	次数	累计次数	累计百分比
1	重审	213	213	14.50%
2	斩关	164	377	25.66%
3	励德	134	511	34.79%
4	元首	116	627	42.68%
5	元胎	113	740	50.37%
6	间传	95	835	56.84%
7	涉害	72	907	61.74%
8	知一	71	978	66.58%
9	伏吟	60	1038	70.66%
10	返吟	56	1094	74.47%
11	三奇	32	1126	76.65%
12	三交	32	1158	78.83%
13	六仪	31	1189	80.94%
14	遥克	29	1218	82.91%
15	铸印	28	1246	84.82%
16	龙战	26	1272	86.59%
17	度厄	22	1294	88.09%
18	八专	19	1313	89.38%
19	闭口	18	1331	90.61%
20	斫轮	16	1347	91.70%
21	昴星	15	1362	92.72%
22	游子	14	1376	93.67%
23	赘婿	14	1390	94.62%
24	芜淫	13	1403	95.51%
25	别责	9	1412	96.12%
26	二烦	8	1420	96.66%
27	天网	8	1428	97.21%
28	九丑	8	1436	97.75%
29	龙德	7	1443	98.23%
30	三阳	5	1448	98.57%
31	轩盖	3	1451	98.77%
32	天狱	3	1454	98.98%
33	魄化	3	1457	99.18%
34	引从	2	1459	99.32%
35	解离	2	1461	99.46%
36	死奇	2	1463	99.59%
37	三光	1	1464	99.66%
38	官爵	1	1465	99.73%
39	富贵	1	1466	99.80%
40	淫泆	1	1467	99.86%
41	迍福	1	1468	99.93%
42	盘珠	1	1469	100.00%

2.思路方法

大体思路是用python中jieba库，对照《六壬大全》中的64课体，对《大六壬直指》中的文本中的课体进行分词，然后对课体频率进行统计排序。最后生成词云图。

分词后词云如下：

需要注意的是，《大六壬直指》中其他部分，比如课义，解曰等地方，也会出现部分课体词语，造成统计结果不准确的问题。

我用正则表达式的方法，提取出《大六壬直指》中只包含课体所在的段落，生成新的文本，然后再用此文本进行后续的文本分析工作。需要指出的是，课体的段落有719个，720课中有一课没有课体。

在进行文本分析过程中，有6个课体，jieba库无法识别。我把这六个课体单独提取出来，进行手工统计，然后把统计结果加到语义库中。

经过这两步操作，基本能保证文本统计的结果是可靠无误的。

3.实现代码

import jieba
fill_name = '六壬直指课体.txt'key_name = '课经.txt'save_name = '课经排序.txt'txt = open(fill_name, encoding="utf-8").read()  # '三国演义.txt' 更换你的文件（txt格式）need_words = open(key_name, encoding="utf-8").read()  # 这个是要查找的词的txt文件 每个词一行wordslist = need_words.split()words = jieba.lcut(txt)counts = {}   #分词后的词典xx = {'昴星': 15, '斫轮': 16, '淫泆': 1, '度厄': 22, '迍福': 1, '间传': 95}counts.update(xx)  #增加不能识别的单词results = {}   #所需关键词的词典for word in words:    counts[word] = counts.get(word, 0) + 1lst = []  #不存在的词for i in range(len(wordslist)):    try:        #print(wordslist[i], counts[wordslist[i]])        results[wordslist[i]] = counts[wordslist[i]]    except:            lst.append(wordslist[i])print('不存在的词:', lst)print(results)
#num=len(results)num=42items=list(results.items()) #将字典转换为列表#items=items[:num]items.sort(key=lambda x:x[1],reverse=True)  #排序
#导出数据fo = open(save_name, "a", encoding='utf-8')for i in range(num):   word, count=items[i]   word = str(word)   count = str(count)   fo.write(word)   fo.write(':') #使用冒号分开   fo.write(count)   fo.write('\n') #换行fo.close() #关闭文件
#将txt文本里的数据转换为字典fr = open(save_name, 'r',encoding='utf-8' )resulted = {}keys = [] # 用来存储读取的顺序for line in fr:  v = line.strip().split(':')  keys.append(v[0])  resulted[v[0]] = v[1]fr.close()print(resulted)
#　绘柱状图#from pyecharts.charts import Bar #从pyecharts库中导入Bar子类from pyecharts.charts import *
list1=list(resulted.keys())    #单词list2=list(resulted.values())  #出现频率bar = Bar() #定义柱状图bar.add_xaxis(list1)bar.add_yaxis("六壬课经频率",list2)bar.render("六壬课经频率.html")  #生成render.html文件
# 饼图#list3=list2/1469*100pie = (Pie()       .add('', [list(z) for z in zip(list1, list2)])       )pie.render("六壬课经饼图.html")
#词云分析import wordcloudimport matplotlib.pyplot as pltimport numpy                        # numpy数据处理库from PIL import Image               # 图像处理库mask = numpy.array(Image.open( '背景1.jpg'))      # 定义词频背景# 设置词云相关参数wc = wordcloud.WordCloud(    font_path = 'C:\Windows\Fonts\msyh.ttc', # 设置字体（这里选择“仿宋”）    background_color='white',                   # 背景颜色    mask = mask,                                # 文字颜色+形状（有mask参数再设定宽高是无效的）    max_words = len(counts),                         # 显示词数    max_font_size = 150 ,                        # 最大字号    stopwords={'曰'},  # 设置停用词，不再词云图中表示)wc.generate_from_frequencies(counts)#wc.generate(txt)wc.recolor(color_func=wordcloud.ImageColorGenerator(mask))plt.imshow(wc)plt.axis("off")plt.show()wc.to_file( '词云.jpg')