Вводная часть
Данные: -Источник: текст пьесы Ивана Вырыпаева «Солнечная линия», формат .txt, UTF-8, размер 112 448 байт
Виды графиков: -Облако слов — визуально показывает повторяющиеся и ключевые слова, разбавляет обычные графики -Топ-5 самых частых слов — концентрируется на наиболее значимых словах, используется столбчатая диаграмма -Распределение длин слов — анализирует структуру языка текста, столбчатая диаграмма. -Частота букв — позволяет изучить фонетику и стиль письма, столбчатая диаграмма
Недавно для режиссуры разбирал эту пьесу, был вдохновлен ее минимализмом. Поэтому выбрал ее, такой же минималистичный стиль сортировки и презентации данных, простой и самый полезный на мой взгляд анализ характеристик текста, чб палитру без перегруза, легкий шрифт по типу гельветики
Этапы работы
Обработка данных: -Загрузил текст пьесы -Привет к нижнему регистру и очистил от лишних символов -Для анализа слов использованы регулярные выражения (re) и collections.Counter -Для визуализации использовал библиотеки matplotlib и wordcloud
Стиль графиков: -Градации серого -Единый стиль графиков для визуальной гармонии, легкости и литературности
Статистические методы: -Подсчёт частоты слов и букв -Ранжирование для выделения топа слов -Распределение длин слов для анализа структуры текста
Импорт файла с текстом через Гугл драйв
Итоговые графики
Код для облака слов
Облако слов
Код для графика слов
График популярных слов
Код для анализа длины слов
График слов и количества символов в них
Код для графика с буквами
График букв по популярности
Выводы и анализ результатов
Облако слов Позволило быстро увидеть ключевые слова и повторяющиеся мотивы пьесы, выделить основные темы текста визуально (особенно красиво)
Топ популярных слов Показал, какие слова автор использует чаще всего, что помогает определить основные предметы и действия в тексте
Распределение длин слов Демонстрирует преобладание коротких слов, что отражает минималистичный и разговорный стиль пьесы (особенно информативно)
Частота букв Полезна для изучения фонетики и ритма текста, выявления наиболее и наименее используемых букв
