一万名教授的名字以及相关分析代码

前段时间发表了一篇文章《

分析了中国高校2万名教授的名字，来看看哪个姓的人最聪明

》，我发现不少同学对教授的名字挺感兴趣。

为了能让大家也感受一把，我会给大家提供一份包含一万个教授名字的文件，让大家亲自运行代码试一试。同时，我也会给大家介绍怎么来做相关的统计和可视化。

数据资源和代码资源我都放在文末，需要的同学自取。

好了，废话不多说，我们直接开始吧~

先来看看我们今天的输入文件：

10000个正副级高校教授的姓名。

上图显示的是10000个教授中的最后10个，各位可以试试查找二胖提供的文件中有没有自己老师的名字(*^▽^*)。

那么有了输入文件，输出文件是什么呢？

我们一步一步来。

先来统计一下重复度最高的前10个名字。

这里顺便提一个小知识，下面的代码用到了python的计数器Counter()，Counter是dict的一个子类，可以方便的用来计数。

它和dict最大的区别就是我们使用它的时候不用像dict那样去初始化key，可以直接访问dict[key]，这一点和Go语言中的dict很相似。

代码片段如下：

调用该函数后输出的结果：

[('王勇', 7), ('王剑', 7), ('赵勇', 7), ('张磊', 6), ('杨帆', 6), ('李勇', 6), ('王伟', 6), ('张巍', 5), ('李伟', 5), ('王斌', 5)]

看来勇哥和伟哥占据了榜首，姓王的不得了。

好像只统计名字也没有意思，我们再来统计一下姓。

原理其实很简单，就是把每个名字的第一个字取出来，不过这样的话也有一个缺点，就是把复姓的同学的姓分开了。

当然，如果力求准确也不是没有办法，就是将中国的所有姓做个词典，然后通过这个词典来分割教授的姓名。这里我们就不这样做了，直接把第一个字作为姓，我们主要是为了展示代码，并且复姓出现的概率是极低的。

代码片段如下：

结果是：

[('王', 784), ('张', 679), ('李', 669), ('刘', 579), ('陈', 385), ('杨', 261), ('赵', 220), ('吴', 206), ('周', 204), ('黄', 184)]

符合人口普查的结果，王张李刘果然是大姓。

问题又来了，上面的结果看着不具体，不直观，怎么办？

可视化代码片段如下：

运行后的可视化结果：

看到你的姓了吗？

没看到没问题，你可以自行统计一下前200个最容易出现的姓。

是不是整个流程很简单？

以上程序完整代码如下所示：

以上功能不过50行Python代码就实现了，感兴趣的同学赶紧下载下来看看吧。

二胖一共提供了三个文件，如下图所示：

main.py 文件就是python程序了。

name_list.txt就是10000个教授的名字。

233.html是运行程序生成的可视化文件，用浏览器打开就能看到相关图表。

需要注意的是二胖的运行环境是python3，使用python2的同学可能运行有点问题，那么就自己解决一下吧。

然后还需要安装一下依赖库：

pip3 install pyecharts

然后直接运行：

python3 main.py

就能得到生成的可视化词云了。

噢，对了，二胖把公众号里面的文章都分类整理了一下，还有不少有意思的文章，比如教你做下方那个会动的二维码。