О проекте
В этом проекте я исследую текст Библии как массив данных и пытаюсь понять, какие темы, слова и образы оказываются наиболее значимыми, а также как меняется структура текста в зависимости от контекста.
В качестве основного источника данных был выбран текст Библии в переводе King James Version (KJV) — один из самых распространённых и цитируемых английских переводов. Данные были взяты из открытого датасета Kaggle и представлены в табличном формате (CSV).
Библия — это не только религиозный текст, но и сложный корпус, который формировался на протяжении веков и содержит большое количество повторяющихся структур, устойчивых формулировок и смысловых акцентов.
Используя методы анализа данных, интересно посмотреть:
— какие слова и темы встречаются чаще всего, — чем различаются Ветхий и Новый Заветы, — как меняется форма стиха в зависимости от смысловой нагрузки.
В проекте я использую четыре визуализации:
Горизонтальная столбчатая диаграмма значимых слов. Показывает, какие слова чаще всего встречаются в тексте Библии после очистки от служебной лексики. Позволяет увидеть основные лексические и смысловые опоры текста.
Столбчатая диаграмма ключевых тем Ветхого и Нового Заветов. Сравнивает частоту употребления выбранных ключевых слов (god, lord, law, fear, love) в Ветхом и Новом Заветах. Демонстрирует различия в смысловых акцентах между двумя частями Библии.
Круговая диаграмма упоминаний Лиц Троицы. Показывает, как распределяются упоминания Бога Отца, Иисуса Христа и Святого Духа в тексте Библии. Визуализация помогает увидеть относительное соотношение этих образов.
Boxplot длины стиха в зависимости от числа упоминаний Бога. Отражает, как меняется длина стиха (в количестве слов) при разном числе упоминаний Бога, а также позволяет сравнить распределения для Ветхого и Нового Заветов.
Пошаговый план работы
Сначала я подключила основные библиотеки для анализа и визуализации данных: pandas — для работы с таблицами, re — для очистки текста, matplotlib и seaborn — для построения графиков. После этого я загрузила датасет с текстом Библии в формате CSV и вывела первые строки таблицы, чтобы убедиться, что файл прочитался корректно.
В исходном датасете названия столбцов представлены в сокращённом виде. Для удобства дальнейшей работы я переименовала их в более понятные и читаемые названия: номер книги, главы, стиха и сам текст.
Чтобы анализировать текст как данные, я привела весь текст к нижнему регистру и удалила знаки препинания и лишние символы. Это позволяет корректно считать слова и сравнивать их между собой.
После очистки текста я разбила каждый стих на список отдельных слов. Так текст Библии стал массивом данных, с которым можно выполнять количественный анализ.
Перед построением графиков я задала единый визуальный стиль проекта. Мне было важно, чтобы все визуализации выглядели как части одного исследования, поэтому я заранее определила цветовую палитру и общие настройки оформления.
Единый визуальный стиль помогает воспринимать проект как целостную исследовательскую работу, а не набор отдельных графиков.
Визуализация данных
В первом графике я ищу ответ на вопрос: из каких слов вообще состоит текст Библии и какие из них встречаются чаще всего. Для этого я разбиваю каждый стих на отдельные слова, объединяю их в один массив и считаю частоту каждого слова во всём корпусе текста.
Затем я отбираю самые часто встречающиеся слова и визуализирую их в виде горизонтальной столбчатой диаграммы. Такой формат удобен для сравнения: сразу видно, какие слова доминируют, а какие находятся на периферии.
По этому графику хорошо видно, что текст Библии во многом строится вокруг служебных и повторяющихся формулировок, а также ключевых религиозных понятий. Это задаёт основу для дальнейшего анализа: прежде чем говорить о смыслах, важно понять, какой языковой «фон» у текста в целом.
Дальше я перехожу от общего частотного анализа к сравнению смыслов и задаю следующий вопрос: одинаковые ли темы важны для Ветхого и Нового Заветов, или акценты между ними смещаются?
Для этого я выбираю несколько тематически значимых слов (например, god, lord, law, love, fear) и считаю, как часто каждое из них встречается в Ветхом и Новом Заветах отдельно. Результат я показываю в виде столбчатой диаграммы с разбиением по Заветам.
Этот график позволяет увидеть различие смысловых фокусов: какие темы сильнее связаны с Ветхим Заветом, а какие с Новым. Так, текст начинает читаться не просто как единое целое, а как две связанные, но разные по настроению и содержанию части.
На следующем этапе мне становится интересно посмотреть не просто на слова, а на образы, которые формируют религиозное содержание текста. Здесь я задаю вопрос: какие Лица Троицы упоминаются чаще всего и в каких пропорциях?
Для этого я группирую слова, связанные с Богом Отцом, Иисусом Христом и Святым Духом, и суммирую количество их упоминаний во всём тексте. Затем я превращаю эти данные в круговую диаграмму, где каждый сектор — это доля одного образа.
Этот график хорошо работает именно в круговом формате, потому что он показывает соотношение, а не абсолютные значения. По нему сразу видно, какой образ доминирует в тексте и как распределяется внимание между различными божественными фигурами.
В последнем графике я связываю смысл и форму текста. Здесь меня интересует вопрос: меняется ли структура стиха в зависимости от того, насколько он «насыщен» упоминаниями Бога.
Для каждого стиха я считаю, сколько раз в нём встречаются слова god и lord, а также определяю длину стиха — количество слов. Затем я группирую стихи по числу упоминаний Бога (0, 1, 2 и 3+) и сравниваю распределения длин стихов отдельно для Ветхого и Нового Заветов с помощью boxplot.
Этот график позволяет увидеть не отдельные примеры, а общую тенденцию: как меняется форма стиха при росте смысловой концентрации. В результате текст Библии начинает восприниматься не только как духовное содержание, но и как структурно организованный литературный корпус, где форма и смысл тесно связаны.
Заключение
В этом проекте я рассматривала текст Библии как корпус данных, внутри которого можно выявлять повторяющиеся структуры, ключевые слова и различия между Ветхим и Новым Заветами. Используя методы анализа данных и визуализации, я попыталась понять, какие темы оказываются наиболее значимыми и как меняется структура стихов в зависимости от контекста.
Анализ частотных слов показал доминирование обращений, повелительных форм и слов, связанных с Богом, что подчёркивает нормативный и риторический характер текста. Сравнение ключевых тем Ветхого и Нового Заветов выявило различие акцентов: в Ветхом Завете чаще встречаются слова, связанные с законом и властью, тогда как в Новом больше внимания уделяется личным отношениям и любви.
Круговая диаграмма упоминаний Лиц Троицы показала явное преобладание обращений к Богу Отцу при заметной, но меньшей доле упоминаний Иисуса Христа и Святого Духа. Анализ длины стихов дополнил картину: стихи с большим числом упоминаний Бога в среднем оказываются длиннее, особенно в Ветхом Завете.
В целом проект демонстрирует, что количественный анализ позволяет по-новому взглянуть на хорошо известный текст, выявляя общие закономерности, которые трудно заметить при традиционном чтении.
Обложка
Обложка проекта была сгенерирована в ChatGPT промт: An abstract, ethereal illustration of the Holy Trinity. Three softly glowing figures emerging from darkness: God the Father and Jesus Christ represented as tall, luminous human silhouettes with gentle halos, and the Holy Spirit as a radiant dove of light between them. The figures are intentionally blurred and partially dissolved, especially toward the legs, creating a floating, weightless feeling. Soft painterly textures, heavy blur, and glowing light effects. Calm, spiritual, and minimalistic mood. Color palette limited to deep navy blue (304258), muted blue-gray (577C8E), pale blue (C7D9E5), and soft white (FFFFFF). No sharp details, no realistic faces, dreamlike abstraction, sacred atmosphere, smooth gradients, digital painting style.
