美文网首页程序员机器学习与数据挖掘
分析自己在大学期间读过的书(一)

分析自己在大学期间读过的书(一)

作者: afaren | 来源:发表于2017-11-11 22:35 被阅读0次

今天整理了大学期间的读书记录,看着长长的书单,觉得应该将这些书分个类,看看自己在大学期间的阅读习惯是什么样的。结果分了十几分钟连十分之一都没有分完,感觉很累。在数据分析中有个概念叫聚类,而我的目的是把书分类,这两件事是差不多的吧,那应该就有工具可以帮我做这个事情。

程序员要善于利用工具

于是我开始在网络上搜索,看有没有现成的程序可以用。

不一会儿,就在知乎上找到一个 你用 Python 做过什么有趣的数据挖掘/分析项目?

剪切式编程

可喜可贺,里面还有代码示例,看着很简短。虽然不会 python,但是照猫画虎还是可以的。将代码拷贝下来,改了改。中间遇到一些中文编码的问题,磕磕碰碰的,但最后也搞定了。

生成的图片如下:


book history

图片中显示的文字越大,说明词频越高,从图片看来,我读过最多的是 XXX 程序设计 这类的书,嗯,很有道理。

有待完善

不过从这个图本身看来,还有不少小问题,比如

  1. 分词不够理想,皮格马利翁是一个词,不应该被分开
  2. 出现了重复的词,Java 在图片上出现好几次,按理说,同一个词根据词频的高低不同显示为不同的大小之后,只会出现一次。仔细看可以发现,图片上出现的三个 Java 其实是不同的,第一个只有 Java 这个单词,第二个是 Java 中文,第三个是 Agile Java。这么看来,还是 分词 的问题

虽然从这个图片中看不到太多有用的信息,但是整个过程还是挺有意思的。而且,我还可以继续从读书记录里面挖掘出来更多的信息。很容易想到的就是,我可以给书加标签,用标签来给书做聚类分析,这样应该可以得到更有价值的信息。

新的思路

不过给两百多本书加标签,比分类的工作量要大得多,毕竟每本书可以加若干个标签。

于是,我又想到,可以借鉴使用豆瓣上现成的标签

豆瓣图书标签

这样就不用自己加标签了。我只需要请求豆瓣的 API,拿到读书记录中所有书的标签就行了,工作量一下子小了很多。

找了一圈,发现原来豆瓣没有根据书名直接招书的 API,想要精确的定位一本书,需要用 ISBN。想想也有道理,同名的书可能有很多,根据书名确实无法唯一地定位一本书。那该怎么办呢?

未完待续……

今天时间不多,就先到这里吧,挖个坑以后慢慢埋……

相关文章

  • 分析自己在大学期间读过的书(一)

    今天整理了大学期间的读书记录,看着长长的书单,觉得应该将这些书分个类,看看自己在大学期间的阅读习惯是什么样的。结果...

  • 分析自己在大学期间读过的书(三)

    前情提要 前一篇文章中,我想明白了:使用 书名 搜索,得到的豆瓣返回结果集的第一个元素其实就是目标书的信息。于是,...

  • 分析自己在大学期间读过的书(四)

    前情提要 前一篇文章中,因为豆瓣的 API 请求限制,我无法一次性请求整个读书记录的信息列表,于是想到在每个请求前...

  • 分析自己在大学期间读过的书(二)

    前情提要 昨天,我使用 结巴分词 跟 词云 两个 python 库,达到了 提取读书记录频率 及 按照词频高低显示...

  • 分析自己在大学期间读过的书(五)

    前情提要 在上一篇文章中,我用很丑的代码实现了生成词云的功能。今天就想着怎么能把代码写得好些。 重构是什么 在不改...

  • 2019年,不输给自己

    忘了自己在大学期间读过多少鸡汤,忘了自己买过几本刘同的书,忘了曾经的信誓旦旦,忘了自己到底在追求什么……唯...

  • 疫情期间,读过的那些书!

    作者麦家在给儿子的家书中说:孩子,如果你想家了,那就读书,读书就是回家。那在家读书,就是一种奢侈。一场突如起...

  • 如何阅读

    怎样阅读一本书?我在大学期间曾经读过一本《这样阅读最有效》,那个时候看书,功利心很强,总想读完一本《成功学》自己就...

  • 读《小武君,有》 独到,小众的情景之文

    文| 蓝云多多 这次疫情期间,翻出以前的旧书,这本《小武君,有》就是其中发霉惨重的书之一。大学期间曾读过这本书,一...

  • 叫魂:盛世的迷思

    如果要列几本对自己有过很深影响的书,大学期间读过的孔飞力的《叫魂:1768年中国妖术大恐慌》是其中之一。《...

网友评论

    本文标题:分析自己在大学期间读过的书(一)

    本文链接:https://www.haomeiwen.com/subject/ixugmxtx.html