前言：

利用贝叶斯公式，根据对方的中文姓名猜测对方的性别。废话不多说，让我们愉快地开始吧~

开发工具

Python版本：3.6.4

相关模块：

pyqt5模块；

以及一些python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

原理简介

先来简单介绍一下贝叶斯公式吧，然后再来说代码实现。
我们都知道，事件A在事件B已经发生的条件下发生的概率为：

如果A和B是两个相互独立的事件，则有：

显然，我们可以利用上面的公式来判断两个事件是否独立。再来引入一下全概率公式(上标c代表补集)：

上面的公式画个维恩图的话其实很好理解(图源网络)：

综合上面的结论，我们可以很容易地推出贝叶斯公式来：

实际应用到我们的姓名猜测性别中的话，其实就是求：

显然，我们有：

这里我们已知每个汉字在男性名字和女性名字中出现的频率：

我们可以假设他们是独立的，例如：

def genderprob(name, probs, type_="male"):
  assert type_ in ["male", "female"]
  if type_ == "male":
    p = self.male_total / self.total
    for c in name:
      p *= probs.get(c, (0, 0))[0]
  else:
    p = self.female_total / self.total
    for c in name:
      p *= probs.get(c, (0, 0))[1]
  return p

还是以刘亦菲为例：

P(女性) = 女性姓名出现的次数 / 总出现次数
P(刘|女) = 刘在女性姓名中出现的次数 / 女性姓名出现的总次数

分母在做除法的时候可以约去，所以不用算，即：

male_prob = genderprob(name, self.name_probs, "male")
female_prob = genderprob(name, self.name_probs, "female")
result = {"male": male_prob / (male_prob + female_prob), "female": female_prob / (male_prob + female_prob)}

然后利用PyQt5给这个姓名预测性别的小模型做个简单的可视化界面：

文章到这里就结束了，感谢你的观看，关注我每天分享Python小工具系列，下篇文章分享自动生成艺术签名的小工具

为了感谢读者们，我想把我最近收藏的一些编程干货分享给大家，回馈每一个读者，希望能帮到你们。

干货主要有：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤　Python学习路线图（告别不入流的学习）

⑥　两天的Python爬虫训练营直播权限

**All done~完整源代码+干货详见个人主页简介或私信获取