feat(数据可视化技术): 完成实验1任务

- 新增两段文本资源
- 实现词云生成和网络图绘制功能
- 添加《红楼梦》人物关系图交互式展示

数据可视化技术/实验1/resource/1.txt

@@ -0,0 +1 @@
+The reason for translating afresh Beccarias Dei Delitti e delle Pene (Crimes and Punishments) is, that it is a classical work of its kind, and that the interest which belongs to it is still far from being merely historical

数据可视化技术/实验1/resource/2.txt

@@ -0,0 +1,2 @@
+自从1982年这本书的中文版在国内问世以来，《万历十五年》就一直畅销经久不衰，无论是历史学者还是业余爱好者，无论企业老板还是普通白领，都能从中获得一些启发和想法。也难怪，《人民的名义》里的高玉良都拿着本《万历十五年》刻苦专研。这是因为在这本书中，黄仁宇采用了一种新颖的写法，让任何人都可以几乎无障碍地去接触正史，在他的笔下，历史不再是枯燥无味的归总和罗列。这种新颖的写法，被黄仁宇本人称为“大历史观”。
+所谓“大历史观”，既不像编年体史书那样依照时间的脉络叙述一个王朝的兴衰，也不像纪传体史书那样单独介绍每个人物的一生，而是把历史剖开一个横截面，像纪录片导演穿越过去一样，把当时的一位皇帝和五位著名的大臣，以一种群像式的叙事手法缓缓展开，从中折射出16世纪中国社会的完整面貌。并且，如同管中窥豹一样，从各种细节中，观察公元1587年表面一派太平的大明朝，为何会一步一步走向衰落和灭亡。那位皇帝自然就是万历皇帝，五位大臣分别是大学生张居正和申时行，南京督察院都御史海瑞，蓟州总兵官戚继光，以及前云南姚安知府李贽。用黄仁宇的话来说，他们或是身败，或是名裂，没有一个能够功德圆满。从他们身上可以看出，那些隐藏在历史深处的症结已经开始慢慢积累，直至无可逆转。  

数据可视化技术/实验1/task2.py

@@ -0,0 +1,70 @@
+from matplotlib import pyplot as plt
+import networkx as nx
+import matplotlib
+matplotlib.use("Tkagg")
+
+peple = [
+    ("贾宝玉", "林黛玉"),("贾宝玉", "薛宝钗"),("林黛玉", "贾母"),("薛宝钗", "薛姨妈"),
+    ("王熙凤", "贾琏"),("王熙凤", "贾母"),("贾宝玉", "贾政"),("贾政", "王夫人"),
+    ("王夫人", "王熙凤"),("史湘云", "贾母"),("李纨", "贾珠"),("贾珠", "王夫人")
+]
+
+peple_set = set()
+
+for i in peple:
+    for j in i:
+        peple_set.add(j)
+
+people_list = list(peple_set)
+
+G = nx.Graph()
+G.add_nodes_from(people_list)
+G.add_edges_from(peple)
+
+pos = nx.spring_layout(G)
+fig, ax = plt.subplots(figsize=(10, 8))
+ax.set_xlim(-1, 1)
+ax.set_ylim(-1, 1)
+
+nx.draw_networkx(G, pos, ax=ax, font_family='STHeiti')
+
+def is_within_bounds(x, y):
+    return -1 <= x <= 1 and -1 <= y <= 1
+
+dragging_node = None
+last_x, last_y = None, None
+
+def on_press(event):
+    global dragging_node, last_x, last_y
+    for node, (x, y) in pos.items():
+        if (event.xdata - x) ** 2 + (event.ydata - y) ** 2 < 0.05:
+            dragging_node = node
+            last_x, last_y = event.xdata, event.ydata
+            break
+
+def on_move(event):
+    global dragging_node, last_x, last_y
+    if dragging_node is not None:
+        dx = event.xdata - last_x
+        dy = event.ydata - last_y
+        new_x = pos[dragging_node][0] + dx
+        new_y = pos[dragging_node][1] + dy
+
+        if is_within_bounds(new_x,new_y):
+            pos[dragging_node] = (new_x,new_y)
+            last_x,last_y = event.xdata,event.ydata
+
+            ax.clear()
+
+            nx.draw_networkx(G,pos,ax=ax,font_family='STHeiti')
+            plt.draw()
+
+def on_release(event):
+    global dragging_node
+    dragging_node = None
+
+fig.canvas.mpl_connect('button_press_event',on_press)
+fig.canvas.mpl_connect('motion_notify_event',on_move)
+fig.canvas.mpl_connect('button_release_event',on_release)
+
+plt.show()