提取数据并了解结构
install.packages("ggplot2")
install.packages("mice")
install.packages("effects")
library(ggplot2)
library(MASS)
library(mice)
library(data.table)
library(dplyr)
library(effects)
load("~/Documents/R Stats Assignments/brfss2013.RData")
上传必要的库并加载数据后，我想查看数据集的一般形状和结构，以了解维数，每列中的数据类型以及为获取数据而需要进行的清理以一致的格式进行分析。
>dim(brfss2013)
[1] 491775330
#check structure of columns
str(brfss2013$columname)
#check for NA values
sum(is.na(brfss2013$columname))
在查看了提供的代码本/索引之后 ，我对需要与之交互的列有了很好的了解，并决定专门关注这些列。 其中包括具有以下数据的列：每周进行身体活动的分钟，每周食用的水果，每周食用的蔬菜，BMI，年收入范围以及当然的心理健康状况，这些数据由一个人据称身体状况不佳的天数来衡量在一定时期内的心理健康。 由于NA值会混淆分析的准确性并可能导致无响应偏差，因此我在列中寻找NA值，这些值介于数据的4.8％至34％之间。 我认为这些是不可忽略的缺失值，不能简单地从我的分析中删除。 对于在缺少34％数据的情况下的数值，我假设仅填写标准均值或中位数会歪曲我的分析并降低其准确性。 我选择了一种易于实现且相对准确的插补方法来代替我的NA值。
贝叶斯线性回归的多重插补
准确估算值的最快方法之一是通过线性回归算法，该算法尝试根据预定义的预测变量列表预测潜在值。 使用频繁方法（常规线性回归），我们假设自变量之间存在线性关系，另外还假设存在足够的值来进行准确的预测。 但是，对于这种估算，我选择了贝叶斯模型，通过这种方法，我们假设响应和预测变量都是随机的（将估算的不确定性考虑在内），尝试查找特定事件的概率，并根据先验概率更新概率。数据并根据这些概率进行预测。 合并先前信息以更新概率的能力使贝叶斯模型在做出预测时更灵活，并且可能更准确，尤其是对于较小的样本。
多重插补让我遍历插补模型n次，根据所使用的预测模型提供不同的可能插补。 通常，这是一个三阶段过程，涉及实际估算，用可能的预测替换每个NA，然后分析并汇总所有结果。
brfss2 <- brfss2013[,c('X_bmi5','X_drnkmo4','X_frutsum','X_vegesum','fc60_','pa1min_')]
imp_model <- mice(brfss2,method="norm",m=5)
#fill na function
fillna_fun <- function(data,columns){
df <- setNames(data.frame(rowMeans(squeeze(imp_model$imp[[columns]], bounds = c(0,max(brfss2013[[columns]]))))),"col2")
brf <- setNames(data.frame(data[[columns]]),"col2")
brf$col1 <- rownames(brf)
df$col1 <- rownames(df)
setDT(brf)[df,col2 :=i.col2,on=.(col1)]
brf$col2
}
brfss2013$pa1min_ <- fillna_fun(brfss2,"pa1min_")
brfss2013$X_bmi5 <- fillna_fun(brfss2,"X_bmi5")
brfss2013$X_drnkmo4 <- fillna_fun(brfss2,"X_drnkmo4")
brfss2013$X_frutsum <- fillna_fun(brfss2,"X_frutsum")
brfss2013$X_vegesum <- fillna_fun(brfss2,"X_vegesum")
通过链式方程式（小鼠）进行多元插补可使用贝叶斯线性回归轻松进行插补。 我选择缩小适用于具有分析所需数值的列的插补，并将插补运行默认次数-5。
我注意到贝叶斯线性回归返回了一些估算值的负数，考虑到这些列所测量的数据，这是不可能的。 例如，一个人不可能每周花费-300分钟进行锻炼。 为了解决这个问题，我使用了挤压功能来添加约束，以将预测限制在合理的自定义范围内。
与小鼠文档相反，我选择获取所有5个估算值的平均值，并用其填充NA值。 我完全理解这不是应该使用机器学习的方式，我错过了合并合并归因的基本步骤，并且有人认为我最好选择一个归因于平均值的归因。 尽管如此，我还是采用了该选项以简化应用程序，并希望收到读者对该选项的进一步反馈。
我通过使用setDT函数将函数中的向量强制到表中并按索引将向量连接起来来完成函数 ，因为均值插补向量仅具有对应于我原始数据帧中NA值的索引值。
映射
我分析的重要步骤涉及将某些列的数值映射到组和范围中。 例如，我没有看到BMI编号，而是想查看特定BMI属于哪个组/范围（例如25 =正常）。
brfss2013$income2 <- as.character(brfss2013$income2)
brfss2013$X_bmi5 <- brfss2013$X_bmi5/100
brfss2013$healtheat <- (brfss2013$X_frutsum+brfss2013$X_vegesum)/100
labels <- c('Excellent','Good','Ok','Bad','Very Bad')
breaks <- c(0,5,10,15,25,10000)
bmiLabs <- c('10','20','30','40','50','60','>60')
bmiBreaks <-c(0,10,20,30,40,50,60,10000)
activLabs <-c('0-200','200-500','500-1000','1000-2000','2000-4000','4000-10000','>10000')
activBreaks <-c(0,200,500,1000,2000,4000,10000,100000)
brfss2013 <- brfss2013 %>%
mutate(mentalHealth = cut(menthlth,breaks=breaks,labels=labels,include.lowest=TRUE)) %>%
mutate(bmiLev = cut(X_bmi5, breaks=bmiBreaks,labels=bmiLabs,include.lowest = TRUE)) %>%
mutate(physLev = cut(pa1min_, breaks=activBreaks,labels=activLabs,include.lowest = TRUE)) %>%
mutate(incomeLev = case_when(grepl("15|20",income2)~"0-$20k",
grepl("25|35",income2)~"25-$35k",
grepl("50",income2)~"35-$50k",
income2 %in% "Less than $75,000" ~ "50-$75k",
grepl("more",income2)~">$75k"
))
由于cut旨在采用数值矢量并将其根据自定义断点集将其拆分为bin，因此我决定使用cut函数 ，定义中断和标签以根据标签定义映射数据。 对于收入水平列，我将值转换为字符以使我能够使用grepl 。 这是一种模式匹配功能，我通过查找与用于标识每一行收入范围的自定义单词匹配的关键字来创建收入范围。
需要注意的重要一点是，我对心理健康作了一些假设。 我假设某个人在给定时期内仅报告过0至5次心理健康问题，则被归类为处于良好的心理健康状态，具有5至10的健康状况，10至15的正常，15至25的不良状况以及任何超出那非常糟糕。 这是基于观察数据并找到理想的断裂点进行分类的基础。
心理健康与年收入的关系
我认为叠加条形图是可视化心理健康与年收入范围之间关系的最有效和最有吸引力的方法。
#replace NA with missing
brfss2013$mentalHealth <- forcats::fct_explicit_na(brfss2013$mentalHealth, na_level = "Missing")
#convert income back to factor
brfss2013$incomeLev <- as.factor(brfss2013$incomeLev)
brfss2013 <- subset(brfss2013, !is.na(incomeLev))
brfss2013 %>%
add_count(incomeLev) %>%
rename(count_inc = n) %>%
count(incomeLev, mentalHealth, count_inc) %>%
rename(count_mentalHealth = n) %>%
mutate(percent= count_mentalHealth / count_inc) %>%
mutate(incomeLev = factor(incomeLev,
levels=c('0-$20k','25-$35k','35-$50k','50-$75k','>$75k')))%>%
ggplot(aes(x= incomeLev,
y= count_mentalHealth,
group= mentalHealth)) +
xlab('Annual Income')+ylab('Number of People')+
geom_bar(aes(fill=mentalHealth),
stat="identity",na.rm=TRUE)+
# Using the scales package does the percent formatting for me
geom_text(aes(label = scales::percent(percent)),position = position_stack(vjust = 0.5))+
theme_minimal()
使用dplyr软件包 ，我使用％>％运算符编写了多个运算，这些运算将按组统计收入水平和心理健康，按收入水平查找报告的心理健康数字的相对百分比，根据我的自定义对条形图进行分组，并可视化堆叠的条形图，并在每个图上添加百分比标签。
按年收入范围划分的心理健康分布
使用我对构成良好心理健康的假设，数据似乎可以证实人们的预期，您赚的钱越多，您处于更好的心理状态的可能性就越大。
收入水平的NA值该怎么办？
从年收入范围可视化显示的心理健康分布中，很明显在“收入水平”列中有很多NA值。 尽管我可以简单地降低NA值，但假设它们不会改变我的分析准确性并继续前进，但我相信很多人可能不愿意谈论其收入水平。 这意味着很大一部分资产净值来自不愿意通过电话分享其年收入的人。 可能的情况是，那些不愿意分享其收入信息的人处于较低的收入范围（0至20k）或收入很高的人群（超过70k），而忽略了这些行，这些行占收入数据的15％以上，容易引入无响应偏差。 我想通过机器学习来估算这些NA的潜在价值。 这次我选择通过多元回归模型来估算我的有序数据。 这种方法使用比例赔率逻辑回归模型，其机制将在以下段落中详细讨论。
#filling na values of income level column
brfss <- brfss2013[,c('incomeLev','healtheat','X_age_g','employ1','renthom1','sex','physLev')]
ordered_brfss <-mice(brfss, m=1, method='polr', maxit=1)
fillna_inc <- function(data,columns){
df <- setNames(data.frame(ordered_brfss$imp[[columns]]),"col2")
brf <- setNames(data.frame(data[[columns]]),"col2")
brf$col1 <- rownames(brf)
df$col1 <- rownames(df)
setDT(brf)[df,col2 :=i.col2,on=.(col1)]
brf$col2
}
brfss2013$incomeLev_ <- fillna_inc(brfss2013,"incomeLev")
为了进行这种估算，我重点介绍了一些我认为可以最大程度预测潜在收入的专栏。 我特别关注了个人报告是否租房或拥有房屋，是否雇用他/她，性别，年龄，体育活动水平以及受访者报告的水果和蔬菜数量。 我选择运行单个插补，纯粹是为了易于使用。
按收入水平可视化心理分布
我们都喜欢数据，即！
我想看看按收入水平划分的心理健康分布如何，并建立了另一个可视化视图。
按年收入范围划分的心理健康分布
比例赔率
将心理健康划分为好，好，优秀等组的行为，将本专栏转化为一个具有5级水平的因子。 这些因素根据级别排序。 考虑到此列的结构，我选择使用比例赔率逻辑回归。 为了进行分析，我需要选择一个模型，该模型可以帮助我理解在给定的独立变量的情况下某个人的心理健康处于特定类别的可能性，并了解这些变量对概率的影响。 尽管线性回归在某种程度上可以解决二进制分类问题（例如，如果响应变量是电子邮件还是垃圾邮件），但是当您为响应变量有多个类别时，线性回归就会崩溃。 序数逻辑回归使用logit函数将线性模型转换为满足有序响应类别，从而确保返回的概率在0到1的范围内。 我本来可以选择更灵活的多项式逻辑回归模型 ，但这是基于这样的假设，即响应变量中的类别不能以任何有意义的方式进行排序-我认为该假设不适用于我的心理健康响应变量。
我的模型依赖于计算比例优势比。 简而言之，比例优势比是一种用于有序逻辑回归的工具，可通过预测在特定值类别下给定响应变量属于特定类别的条件概率来帮助对自变量与有序响应因子/类别之间的关系做出假设。观察到的独立变量。
具有多个解释变量的几率几率
在这种情况下，J表示我们要预测的类别/因素。 上述公式吸收了n个因子，其中n取决于我在因变量中拥有的因子数。 数字指的是我用来构建模型的自变量。
没有数学
我使用此公式来了解与我们的结果（心理健康）关系最大的自变量，并试图了解自变量对心理健康的影响程度。
brfss2_model = polr(mentalHealth ~ incomeLev+bmiLev+X_drnkmo4+healtheat+physLev,data=brfss2013,Hess=TRUE) #Hessian used to get standard errors
我使用polr（）函数将比例优势物流回归拟合到响应变量（心理健康）和预测变量。 在这种情况下，我决定将BMI，一个月内消耗的水果和蔬菜总量，体力活动水平，年收入范围和一个月内饮用的酒精饮料包括在内。 我通过将TRUE参数添加到Hessian中来包括观察到的信息矩阵，以便获得标准误差并尝试评估该模型对数据的适用性。
(ctable<-coef(summary(brfss2_model)))
#calculating p_value by comparing the t-value against the stnd norm distr similar to a z-test
p<-pnorm(abs(ctable[, "t value"]),lower.tail = FALSE)*2
#combining p-value
(ctable<-cbind(ctable,"p value"=p))
我着手找到回归系数并计算p_value以确定这些结果的重要性。 回归系数的范围从每月含酒精饮料的0.001到一组BMI水平的2.55略高，p值表明具有统计学意义。 根据我的理解，回归系数越接近零，就越表明预测变量的分布对于我们的响应变量的每个级别完全相同。 对于接近零的系数，这宽松地表示在响应变量上向自变量添加更多单位的效果接近于零。
可视化自变量的影响
为了清楚显示自变量对心理健康的影响，我决定使用“ 影响”软件包 。 由于polr函数返回估计的回归系数，因此我使用此程序包来帮助我解释polr结果 。
plot(Effect(focal.predictors = c("incomeLev","bmiLev"),brfss2_model))
在尝试了几种组合之后，我选择显示年收入和BMI效果图。 我将这两个变量用作焦点预测变量，使其他预测变量具有典型值（固定和平均）。
收入水平* BMI对心理健康的影响
根据结果，无论您的收入水平如何，随着BMI的增加，处于良好心理健康状态的可能性都会降低。 有趣的是，当您接近年收入$ 75,000时，下降的趋势逐渐减弱。 我们可以看到，在非常糟糕的心理健康状态下，类似的影响较小，您越富有，BMI升高对您的心理健康的影响就越小。 如果您要增加体重，那么在增加收入的同时，您的精神状态可能会更好。
除了我所知甚少之外，我正在学习的最重要的课程之一是数据分析和数据科学是一个迭代过程。 您可以尝试各种变量和模型，根据不断变化的假设清理方法和可视化效果，并测试这对结果及其准确性有何影响。
随时联系Twitter或在Twitter @Emmoemm上发送任何反馈
From: https://hackernoon.com/learning-to-understand-possible-effects-variables-such-as-income-and-physical-activity-have-on-a687cf3c23bc
打开CSDN，阅读体验更佳
R数据分析：数据清洗的思路和核心函数介绍
好多同学把统计和数据清洗搞混，直接把原始数据发给我，做个统计吧，这个时候其实很大的工作量是在数据清洗和处理上，如果数据很杂乱，清洗起来是很费工夫的，反而清洗好的数据做统计分析常常就是一行代码的事情。 Data scientists only spend 20% of their time creating insights, the rest wrangling data. 想想今天就给大家写一篇数据处理的常用函数介绍吧。全是自己的一丢丢经验，肯定不会是最优的，仅仅是给个参考，因为在R中同一个目的的
继续访问
最新发布 forcats | tidyverse家族对「分类变量」的解决方案（下）
学堂君根据功能对forcats中的「所有」函数作了汇总，共分为两大类、六小类：1 针对单个因子变量的处理函数1.1 增删类别的函数1.2 归并类别的函数1.3 重命名类别的函数1.4 调整类别顺序的函数1.5 其他函数2 针对多个因子变量的处理函数本篇为1.42部分。library(forcats) f=factor(c("a","aa","b","bb"), ...
继续访问
R手册(Tidy+Transform)--forcats
目录 forcats: for factor forcats: for factor 函数 说明 factor(x,levels,labels,ordered) as_factor(x) fct_expand(f, …) 添加更多级别 fct_explicit_na(f, na_level = “(Missin...
继续访问
因变量顺序类别的回归（R语言）
本例使用MASS包中的housing数据集，该数据集是关于哥本哈根住房情况的调查数据。其中包括5个变量，分别为：房主对他们目前住房的满意度（高、中、低），记为Sat是有序变量；房主认为物业管理的影响程度（高、中、低），记为Infl；租赁住房的类型（塔式、中庭、公寓、露宿），记为Type；与其他住户的沟通程度（低、高），记为Cont；每组对应的居民人数，记为Freq，其中共3∗3∗4∗2=723*3...
继续访问
tidyverse —— forcats包
作者简介野菜团子，R语言中文社区专栏作者 博客：https://ask.hellobi.com/blog/esperanca forcats包用于处理因子，可以更高效地对...
继续访问
用得上的商学课-老路
目录: 第一章：机会成本 第二章：比较优势 第三章：沉没成本 第四章：边际成本 第五章：交易成本 第六章：供需定理 第七章：需求弹性 第八章：凡勃伦商品 第九章：边际效用 第十章：价格歧视 第十一章：囚徒困境 第十二章：人质困境 第十三章：智猪博弈 第十四章：斗鸡博弈 第十五章：枪手博弈 第十六章：心理账户 第十七章：损失规避 第十八章：路径依赖 第十九章：比...
继续访问
《AI进化论：解码人工智能商业场景与案例》----读书笔记
AI进化论：解码人工智能商业场景与案例 作者：亿欧智库 文章大纲业内人士力荐序第一章 跨越AI商业化“奇点”第二章 金融狂欢下的泡影第三章 积重难返？医疗AI的颠覆之路第四章 智慧安防：罪恶无处遁形第五章 自动驾驶：定义未来出行第七章 内容不再是人的专利第八章 AI赋能下的法律新格局第九章 AI进驻，教育革命即将到来 业内人士力荐 我们不再以旁观者的身份观看着变革的发生，每个人都有机会参与其中，...
继续访问
OKR与CFR管理模式（一）-什么是OKR？
读前预 无论任何管理书籍，都是围绕着人性，如果激发员工的人性中的自尊和自我价值观、自我成就感。 作为一名领导者，在管理前，必须要是冷静，安静的对待他人 约翰杜尔为谷歌送上大礼 “好主意”再加上”卓越的执行”，就一定可以创造奇迹，而这正是OKR（目标与关键结果，Objectives and Key Results）管理模式的奥妙所在，它可...
继续访问
富人思维---转
但是可能是问题是穷人思维， @尼克余 没有将和富人有关的快车道的内容说全。 感谢作者MJ Demacro写了这本书，有条件的可以支持正版，我的已经在路上啦。 The Millionaire Fastlane: Crack the Code to Wealth and Live Rich for a Lifetime/MJ DeMarco-图书 还要感谢Leo做出了这么好的读书笔记，找到之...
继续访问
影响需求的三大变量（张五常）
在这个准则下，我认为如下的三项「不变」与「变」 的界定是「安全」的——安全者，不被事实推翻也。 (一)凡是直接影响价格的其它因素皆可变。这包括所有供应变动引起的价格变动的因素了。农业丰收(供应增加，价格下降)政府减少土地供应(楼宇 价格上升)。这些因素都是可变的。 (二)凡是直接影响需求量的其它因素皆不可变。 这包括金钱收入(money income)及所有价格不变或供应不变而需求量也会...
继续访问
精进：如何成为一个很厉害的人--作者：采铜
精进：如何成为一个很厉害的人 作者：采铜 文章目录精进：如何成为一个很厉害的人序 用更勇敢的方式去生活01 时间之尺 我们应该怎样对待时间活在“全部的现在” 从当下出发，联结过去与未来那么，一个人应该怎样对待时间呢？不同场合，不同的时间视角由当下向过去与未来延伸对五年后的自己提问 如何解决远期未来与近期未来的冲突？两种未来视角下的思维差异如何解决生活里两种未来的冲突？我们总是在重复地抓起沙子 把时...
继续访问
J2EE 高 级 软 件 工 程 师 面 试 题 集
目 录第一章：基础知识部分…………………………………3第二章：高级知识部分…………………………………27第三章：数据库部分……………………………………70第四章：程序设计部分…………………………………113第五章：面试技巧部分…………………………………132 第一章：J2EE高级软件工程师面试题集--JAVA基础部分 1、面向对象的特征有哪些方面 1.抽象：抽象...
继续访问
高效程序员的45个习惯
本文转载 《高效程序员的45个习惯》一书 目录 第1章 敏捷---高效软件开发之道 第2章 态度决定一切 1.做事 2.欲速则不达 3.对事不对人 4.排除万难,奋勇前进 第3章 学无止境 5.跟踪变化 6.对团队投资 7.懂得丢弃 8.打破沙锅问到底 9.把握开发节奏 第4章交付用户想要的软件 10.让客户做决定 11.让设计指导而不是操纵开...
继续访问
热门推荐 《增长黑客》节选与笔记
《增长黑客》节选与笔记 自序 1.1 创业家的黑暗前传 1.2 增长黑客的胜利 1.3 什么是“增长黑客” 1.4 增长黑客的职责和特质 1.5 一切用数据说话 1.6 增长黑客担任的团队角色 1.7 如何招聘增长黑客 1.8 如何成为增长黑客 1.9 增长黑客的常用工具箱 第2章 创造正确的产品 2.1 Instagram重生记 2.2 PMF，探寻产品与市场的完美契合 2.3 拒绝...
继续访问
幽灵的礼物
1 幽灵的礼物 前言我是你成功背后的影子 序言在幽灵的礼物中发现金矿 引子分享幽灵的智慧 第一章你是谁？交易圈中的幽灵 第二章备战交易：大师的匠心 第三章规则一：只持有正确的仓位 第四章规则二：正确加码才能获利 第五章规则一加二实战示范 第六章当日交易：规则成就短线高手 第七章妙手连连赢定期权 第八章图表交易：大师的天机 第九章一声棒喝：改变你的行为习惯 第十章跟我来游戏：放松练就创造力 第十一章...
继续访问
[转]OKR结合CFR的管理模式
读前预 无论任何管理书籍，都是围绕着人性，如果激发员工的人性中的自尊和自我价值观、自我成就感。 作为一名领导者，在管理前，必须要是冷静，安静的对待他人 约翰杜尔为谷歌送上大礼 “好主意”再加上”卓越的执行”，就一定可以创造奇迹，而这正是OKR（目标与关键结果，Objectives and Key Results）管理模式的奥妙所在，它可...
继续访问
JAVA开发全集
soap消息的分析和消息的创建和传递和处理 @WebService public interface IMyService { @WebResult(name="addResult") public int add(@WebParam(name="a")int a,@WebParam(name="b")int b) @WebResult(name="us
继续访问
从程序员到项目经理
从程序员到项目经理（一）：为什么要当项目经理 “从程序员到项目经理”，这个标题让我想起了很久以前一本书的名字《从Javascript到Java》。然而，从Javascript到Java充其量只是工具的更新，而从程序员到项目经理，却是一个脱胎换骨的过程。从Javascript到Java，是一个取巧的方法；而从程序员到项目经理，却并无捷径可走，必须从内而外的改变和提升。 一．为什么要当项目经理
继续访问
《精力管理》读书笔记
第一部分 如何做到全情投入 第一章 什么是精力及如何管理精力 大多数人仅仅希望竭尽所能，而当生活的要求超出能力所及，我们会着眼现状提出权宜之计，或许在短期内会运作良好，而负面效应却往往在长期过程中慢慢浮现。我们吝惜睡眠，用外带快餐填饱肚子，用咖啡提神，用酒精和安眠药放松身心。面对工作的无尽索取，我们变得暴躁易怒，注意力也难以集中。结束漫长的一天，我们拖着疲惫的身体回到家里，又常常发觉家庭也不再是欢...
继续访问
数据结构与算法
人工智能
写评论
评论
收藏
点赞
谚语：1.知识是智慧的火炬。2.读一书，增一智。
3.不吃饭则饥，不读书则愚。
4. 不向前走，不知路远；不努力学习，不明白真理。
5.树不修，长不直；人不学，没知识。
6. 用宝珠打扮自己，不如用知识充实自己。
7. 蜂采百花酿甜蜜，人读群书明真理。
8.劳动是知识的源泉；知识是生活的指南。
9. 知识是智慧的火炬。
10.宝剑不磨要生锈；人不学习要落后。
11. 茂盛的禾苗需要水分；成长的少年需要学习。
12.星星使天空绚烂夺目；知识使人增长才干。
13. 造烛求明，读书求理。
14. 粮食补身体，书籍丰富智慧。
15. 世界上三种东西最宝贵——知识、粮食和友谊。（缅甸谚语）
16.书籍备而不读如废纸。（英国谚语）
17.积累知识，胜过积蓄金银。（欧洲谚语
1、招满损,谦受益.
2、吾日三省吾身.
3、美德是勇敢的，善良从来无所畏惧。（英国剧作家 莎士比亚）.
4、路遥知马力,日久见人心.
5、我只知道所谓道德是指你事后觉得好的东西，所谓不道德是指你事后觉得不好的东西。(美国作家 海明威.E.)
6、两袖清风，一身正气。
7、学问勤中得，富裕俭中来。
8、齐心的蚂蚁吃角鹿，合心的喜鹊捉老虎
9、想得越少的人，说得越多。
10、一张嘴，两片皮，说好说坏都是你。
歇后语：1.十五只吊桶打水-- 七上八下
2.小葱拌豆腐-- 一青二白
3.哑巴吃黄莲-- 有苦说不出
4.哑巴吃汤圆--心里有数
5.八仙过海-- 各显神通
6.七窍通了通六窍-- 一窍不通
7.骑驴看唱本-- 走着瞧
8.狗拿耗子-- 多管闲事
成语：东奔西走 东拉西扯 东倒西歪 东张西望 南腔北调 南征北战
南辕北辙 南来北往 前赴后继 前因后果 前呼后拥 前俯后仰
左邻右舍 左思右想 左顾右盼 左推右挡 大公无私 承前启后
翻天覆地 弄假成真 舍近求远 化难为易 扬长避短 去粗取精
若明若暗 善始善终 优胜劣汰 弃旧图新 东奔西走 东拉西扯 东倒西歪 东张西望 南腔北调 南征北战
南辕北辙 南来北往 前赴后继 前因后果 前呼后拥 前俯后仰
左邻右舍 左思右想 左顾右盼 左推右挡 大公无私 承前启后
翻天覆地 弄假成真 舍近求远 化难为易 扬长避短 去粗取精
若明若暗 善始善终 优胜劣汰 弃旧图新
名言：百川东到海,何时复西归？少壮不努力,老大徒伤悲。(汉乐府《长歌行》)
百学须先立志。(朱熹)
宝剑锋从磨砺出,梅花香自苦寒来。
笔落惊风雨,诗成泣鬼神。(杜甫)
别裁伪体亲风雅,转益多师是汝师。(杜甫)
博观而约取,厚积而薄发。(苏轼)
博学之,审问之,慎思之,明辨之,笃行之。(《礼记》)
不登高山,不知天之高也不临深溪,不知地之厚也。(《荀子》)
不飞则已,一飞冲天不鸣则已,一鸣惊人。(司马迁)
不患人之不己知,患不知人也。(孔子)
不入虎穴,焉得虎子？(后汉书)
不塞不流,不止不行。(韩愈)
不识庐山真面目,只缘身在此山中。(苏轼)
不畏浮云遮望眼,自缘身在最高层。(王安石)
不以规矩,无以成方园。(孟子)
C
采得百花成蜜后,为谁辛苦为谁甜。(罗隐)
仓廪实则知礼节,衣食足则知荣辱。(《管子》)
操千曲而后晓声,观千剑而后识器。(刘勰)
察己则可以知人,察今则可以知古。(《吕氏春秋》)
差以毫厘,谬以千里。(《汉书》)
长风破浪会有时,直挂云帆济沧海。(李白)
臣心一片磁针石,不指南方不肯休。(文天祥)
沉舟侧畔千帆过,病树前头万木春。(刘禹锡)
吃一堑,长一智。(古谚语)
尺有所短,寸有所长。(屈原)
出师未捷身先死,长使英雄泪沾襟。(杜甫)
春蚕到死丝方尽,蜡炬成灰泪始干。(李商隐)
春风得意马蹄疾,一日看尽长安花。(孟郊)
春色满园关不住,一枝红杏出墙来。(叶绍翁)
春宵一刻值千金。(苏轼)
从善如登,从恶如崩。(《国语》)
D
大丈夫宁可玉碎,不能瓦全。(北齐书)
大直若屈,大巧若拙,大辩若讷。(《老子》)
丹青不知老将至,富贵于我如浮云。(杜甫)
但愿人长久,千里共蝉娟。(苏轼)
当断不断,反受其乱。(汉书)
当局者迷,旁观者清。(新唐书)
得道者多助,失道者寡助。(《孟子》)
登山则情满于山,观海则意溢于海。(刘勰
东边日出西边雨,道是无晴却有晴。(刘禹锡)
读书百遍,其义自现。(三国志)
读书破万卷,下笔如有神。(杜甫)
读书之法,在循序而渐进,熟读而精思。(朱熹)
读万卷书,行万里路。(刘彝)
多行不义必自毙。(左传)
E
尔曹身与名俱灭,不废江河万古流。(杜甫)
F
凡事豫(预)则立,不豫(预)则废。(《礼记》)
防民之口,甚于防川。(国语)
非学无以广才,非志无以成学。(诸葛亮)
风萧萧兮易水寒,壮士一去兮不复还。(《战国策》)
富贵不能淫,贫贱不能移,威武不能屈。(孟子)
G
感时思报国,拔剑起蒿莱。(陈子昂)
高山仰止,景行行止。(《诗经》)
工欲善其事,必先利其器。(孔子
古之成大事者,不惟有超士之才,亦有坚忍不拔之志。(苏轼)
观众器者为良匠,观众病者为良医。(宋·叶适)
光阴似箭,日月如梭。(明《增广贤文》)
滚滚长江东逝水,浪花淘尽英雄。(《三国演义》)
H
海阔凭鱼跃,天高任鸟飞。(古诗诗话)
海内存知己,天涯若比邻。(王勃)
海上生明月,天涯共此时。(张九龄)
忽如一夜春风来,千树万树梨花开。(岑参)
会当凌绝顶,一览众山小。(杜甫)
祸兮,福之所倚福兮,锅之所伏。(《老子》)
J
己所不欲,勿施于人。(论语)
兼听则明,偏信则暗。(《资治通鉴》)
见兔而顾犬,未为晚也亡羊而补牢,未为迟也。(《战国策》)
见义不为,非勇也。(论语)
江山代有才人出,各领风骚数百年。(赵翼)
金玉其外,败絮其中。(刘基)
近水楼台先得月,向阳花木易为春。(苏麟)
近朱者赤,近墨者黑。(傅玄)
镜破不改光,兰死不改香。(孟郊)
九州生气恃风雷,万马齐喑究可哀。我劝天公重抖擞, 不拘一格降人才。(龚自珍)
鞠躬尽瘁,死而后已。(诸葛亮《后出师表》)
捐躯赴国难,视死忽如归。(曹植)
君子成人之美,不成人之恶。(论语)
君子坦荡荡,小人长戚戚。(孔子)
君子忧道不忧贫。(论语)
君子之交淡若水,小人之交甘若醴。(《庄子》)
L
老当益壮,宁知白首之心穷且益坚,不坠青云之志。(王勃)
老骥伏枥,志在千里。烈士暮年,壮心不已。(曹操)
梨花院落溶溶月,柳絮池塘淡淡风。(晏殊)
流水不腐,户枢不蠹。(吕氏春秋)
路漫漫其修远今,吾将上下而求索。(屈原)
路遥知马力,日久见人心。(元曲·争报恩)
落红不是无情物,化作春泥更护花。(龚自珍)
落霞与孤鹜齐飞,秋水共长天一色。(王勃)
M
满招损,谦受益。(尚书)
梅须逊雪三分白,雪却输梅一段香。(罗梅坡)
靡不有初,鲜克有终。(诗经)
敏而好学,不耻下问。(孔子)
莫愁前路无知己,天下谁人不识君。(高适)
莫道桑榆晚,微霞尚满天。(刘禹锡)
莫等闲,白了少年头,空悲切！(岳飞)
木秀于林,风必摧之。(旧唐书)
N
浓绿万枝红一点,动人春色不须多。(王安石)
P
皮之不存,毛将焉附？(左传)
蚍蜉撼大树,可笑不自量。(韩愈)
Q
其曲弥高,其和弥寡。(宋玉)
其身正,不令而行其身不正,虽令不从。(论语)
奇文共欣赏,疑义相与析。(陶渊明)
千古兴亡多少事,悠悠,不尽长江滚滚流。(辛弃疾)
千里之行,始于足下。(老子)
前不见古人,后不见来者。念天地之悠悠,独怆然而涕下。(陈子昂)
前车之覆,后车之鉴。(汉书)
前事不忘,后事之师。(《战国策》)
锲而不舍,金石可镂。(荀子·劝学)
青,取之于蓝而青于蓝。(荀子)
青山遮不住,毕竟东流去。(辛弃疾)
清水出芙蓉,天然去雕饰。(李白)
穷则变,变则通,通则久。(易经)
穷则独善其身,达则兼善天下。(《孟子》)
R
人固有一死,或重于泰山,或轻于鸿毛,用之所趋异也。(司马迁)
人生自古谁无死,留取丹心照汗青。(文天祥)
人谁无过,过而能改,善莫大焉。(《左传》)
仁者见之谓之仁,智者见之谓之智。(《周易》)
S
塞翁失马,焉知非福？(淮南子)
三更灯火五更鸡,正是男儿发愤时。黑发不知勤学早,白首方悔读书迟。(颜真卿)
三军可夺帅也,匹夫不可夺志也。(孔子)
莫等闭,白了少年头,空悲切。(岳飞)
山不厌高,水不厌深。(曹操)
山不在高,有仙则名水不在深,有龙则灵。(刘禹锡)
山高月小,水落石出。(苏轼)
山河破碎风飘絮,身世浮沉雨打萍。(文天祥)
山重水复疑无路,柳暗花明又一村。(陆游)
少年辛苦终身事,莫向光阴惰寸功。(杜荀鹤)
身既死兮神以灵,子魂魄兮为鬼雄。(屈原)
身无彩凤双飞翼,心有灵犀一点通。(李商隐)
生当作人杰,死亦为鬼雄。(李清照)
生也有涯,知(智)也无涯。(庄子)
绳锯木断,水滴石穿。(宋·罗大京)
圣人千虑,必有一失愚人千虑。必有一得。(《晏子春秋》)
盛名之下,其实难副。(后汉书)
盛年不重来,一日难再晨,及时当勉励,岁月不待人。(陶渊明)
失之东隅,收之桑榆。(《后汉书》)
十年树木,百年树人。(《管子·权修》)
时危见臣节,世乱识忠良。(鲍照)
士不可不弘毅,任重而道远。(论语)
士为知己者死。(史记)
世事洞明皆学问,人情练达即文章。(《红楼梦》)
试玉要烧三日满,辨材须待七年期。(白居易)
书到用时方恨少,事非经过不知难。(陆游)
疏影横斜水清浅,暗香浮动月黄昏。(林逋)
谁言寸草心,报得三春晖。(盂郊)
水至清则无鱼,人至察则无徒。(《礼记》)
岁寒,然后知松柏之后凋也。(孔子)
T
它山之石,可以攻玉。(《诗经·小雅》)
踏破铁鞋无觅处,得来全不费功夫。(《水浒传》)
桃李不言,下自成蹊。(史记)
天时不如地利,地利不如人和。(《孟子》)
天下事有难易乎,为之,则难者亦易矣不为,则易者亦难矣。(彭端叔)
天下兴亡,匹夫有责。(顾炎武)
天行有常,不为尧存,不为桀亡。《苟子》)
天意怜幽草,人间重晚晴。(李商隐)
W
玩物丧志。(书经)
往者不可谏,来者犹可追。(《论语》)
为人性僻耽佳句,语不惊人死不休。(杜甫)
位卑未敢忘忧国。(陆游)
文武之道,一张一弛。(礼记)
文章合为时而著,歌诗合为事而作。(白居易)
闻道有先后,术业有专攻。(韩愈)
问君能有几多愁,恰似一江春水向东流。(李煜)
问渠那得清如许,为有源头活水来。(朱熹)
我自横刀向天笑,去留肝胆两昆仑。(谭嗣同)
无边落木萧萧下,不尽长江滚滚来。(杜甫)
无可奈何花落去,似曾相识燕归来。(晏殊)
无意苦争春,一任群芳妒。(陆游
吾生也有涯,而知也无涯。(《庄子》)
勿以恶小而为之,勿以善小而不为。(刘备)
物以类聚,人以群分。(易经)
X
夕阳无限好,只是近黄昏。(李商隐)
先天下之忧而忧,后天下之乐而乐。(范仲淹)
小荷才露尖尖角,早有蜻蜓立上头。(杨万里)
心事浩茫连广宇,于无声处听惊雷。(鲁迅)
新沐者必弹冠,新浴者必振衣。(屈原)
信言不美,美言不信。善者不辩,辩者不善。(老子)
星星之火,可以燎原。(尚书)
学而不思则罔,思而不学则殆。(孔子)
学而不厌,诲人不倦。(孔子)
学然后知不足。(礼记)
学无止境。(荀子)
血沃中原肥劲草,寒凝大地发春华。(鲁迅)
Y
言者无罪,闻者足戒。(毛诗序)
《阳春》之曲,和者必寡盛名之下,其实难副。(《后汉书》)
业精于勤,荒于嬉,行成于思,毁于随。(韩愈)
一年之计,莫如树谷十年之计,莫如树木百年之计,莫如树人。(《管于》)
一日暴之,十日寒之,未有能生者也。(《孟子》)
衣莫若新,人莫若故。(晏子春秋)
以铜为镜,可以正衣冠以古为镜,可以知兴替以人为镜,可以明得失。(孙昭远)
忧劳可以兴国,逸豫可以亡身。(欧阳修)
有情芍药含春泪,无力蔷薇卧晓枝。(秦观)
有志者,事竟成。(后汉书)
与善人居,如入兰芷之室,久而不闻其香与恶人居。如入鲍鱼之肆,久而不闻其香(刘向)
玉不琢,不成器人不学,不知道。(《礼记》)
欲加之罪,何患无辞。(左传)
欲穷千里目,更上一层楼。(王之涣)
欲速则不达,见小利则大事不成。(论语)
Z
早岁那知世事艰,中原北望气如山。(陆游)
曾经沧海难为水,除却巫山不是云。(元稹)
曾经沧海难为水,除却巫山不是云。(元稹)
张而不弛,文武弗能也弛而不张,文武弗为也,一张一弛,文武之道也。(《礼记》)
知不足,然后能自反也知困,然后能自强也。(《礼记》)
知己知彼,百战不殆。(孙子兵法)
知识就是力量。(培根)
知无不言,言无不尽。(苏洵)
纸上得来终觉浅,绝知此事要躬行。(陆游)
至长反短,至短反长。(吕氏春秋)
智者千虑,必有一失愚者千虑,必有一得。(晏子春秋)
韩信他在军事上为西汉的开国，立下了汗马功劳的同时，也留下了与之相关的26个成语
这些成语，既反映了韩信的军事思想，也展现了他历经了磨难、屈辱冷落、辉煌、失意和悲惨的一生
一饭千金
韩信落魄时曾对施舍他的老妇说，以后定当厚报。当韩信衣锦还乡时，果真做到了自己的承诺，赏赐了她千金。
【出处】：《史记·淮阴侯列传》：“信钓于城下，诸漂母漂，有一母见信饥，饭信，竟漂数十日。”又：“信至国，如所从食漂母，赐千金。”
【释义】：比喻厚厚地报答对自己有恩的人。
胯下之辱
韩信落魄时，一个同乡人欺负他，让他从自己的裤裆下钻过去，韩信果真从那个人的裤裆下钻过去了。
【出处】：《史记·淮阴侯列传》：“淮阴屠中有侮信者，曰：‘若虽长大，好带刀剑，中情怯耳。’众辱之曰：‘信能死，刺我，不能死，出我胯下。’于是信孰视之，俛出胯下，蒲伏。一市人皆笑信，以为怯。”
【释义】：从胯下爬过的耻辱。
国士无双
韩信先投项羽，却不被他们重用，后投靠刘邦。萧何向刘邦推荐韩信时说他是国士无双，如果想要争天下，就必须倚重韩信。
【出处】：《史记·淮阴侯列传》：“诸将易得耳，至如信者，国士无双。”
【释义】：指一国独一无二的人才。
妇人之仁
刘邦重用韩信，设坛拜他为大将军。韩信为刘邦分析天下形势，评价项羽，说项羽是妇人之仁。
【出处】：《史记·淮阴侯列传》：“项王见人，恭敬慈爱，言语呕呕，人有疾病，涕泣分食饮，至使人有功，当封爵者，印刓弊，忍不能予，此所谓妇人之仁也。”
【释义】：妇女的软心肠。旧指处事姑息优柔，不识大体。
推陈出新
当年韩信刚投奔刘邦时，刘邦让他管理粮仓，韩信提出了“推陈出新”的管理理念，即把粮仓开设前后两个门，把新粮从前门运送进去，把旧粮从后门运出来，这样可以防止粮食在蜀中炎热潮湿的环境下腐败变质。从而使蜀中粮仓不再有变质浪费的现象。
【出处】：清·戴延年《秋灯丛话·忠勇祠联》：“不特推陈出新，饶有别致。”
【释义】：指对旧的文化进行批判地继承，剔除其糟粕，吸取其精华，创造出新的文化。
明修栈道暗渡陈仓
秦末项羽灭了秦以后，自封西楚霸王，背叛谁先攻入咸阳的人为王的约定，刘邦极为不满，领兵进入四川，沿途烧了巴蜀的栈道，封为汉王，刘邦得到韩信的帮助，明里在修栈道，背地绕道轻取项羽的大将章邯，进而取得中原为王。
【出处】：元·无名氏《暗度陈仓》第二折：“着樊哙明修栈道，俺可暗度陈仓古道。这楚兵不知是智，必然排兵在栈道守把。俺往陈仓古道抄截，杀他个措手不及也。”
【释义】：指刘邦将从汉中出兵攻项羽时，故意明修栈道，迷惑对方，暗中绕道奔袭陈仓，取得胜利。
解衣推食
韩信说刘邦把穿着的衣服脱下给自己穿，把正在吃的食物让自己吃，对自己很热情。
【出处】：《史记·淮阴侯列传》：“汉王授我上将军印，予我数万众，解衣衣我，推食食我。”
【释义】：把穿着的衣服脱下给别人穿，把正在吃的食物让别人吃。形容对人热情关怀。
背水一战
背水一战，又称井陉之战，发生于汉高祖三年（前204年），汉军和赵军在井陉交战，汉军大将韩信利用赵军主帅陈馀轻敌之心，摆下兵家大忌的背水阵，鼓吹本军将士奋勇作战以求死里逃生。
【出处】：《史记·淮阴侯列传》：“信乃使万人先行，出，背水陈。赵军望见而大笑。”
【释义】：背水：背向水，表示没有退路。比喻与敌人决一死战。
拔旗易帜
韩信率汉军攻打赵军，即将到达井陉口，先挑选轻骑2000人，人持一红色旗帜，抄小路埋伏在赵营附近，接着背水列阵引诱赵军。赵军倾巢而出，汉军佯败而退，先前埋伏的士兵冲进赵军营中挂上汉军红旗，赵军因此大败。
【出处】：《史记·淮阴候列传》：“赵见我走，必空壁逐我，若疾入赵壁，拔赵帜，立汉赤帜。”
【释义】：拔掉别人的旗子，换上自己的旗子。比喻取而代之。
置之死地而后生
刘邦派大将韩信和张耳率军攻打赵国，赵王歇和大将陈余率20万大军在井陉口迎战。陈余不听谋士李左车的建议，与韩信硬拼，韩信故意置之死地而后生在河边列阵，士兵们背水一战，越战越勇，然后派兵轻取赵军大营，杀死陈余，活捉赵王歇。
【出处】：《孙子·九地》：“投之亡地而后存，陷之死地然后生。”
【释义】：原指作战把军队布置在无法退却、只有战死的境地，兵士就会奋勇前进，杀敌取胜。后比喻事先断绝退路，就能下决心，取得成功。
人心难测
韩信北上灭赵的时候，说张耳与陈余两个人为刎颈之交，后两人翻脸。
【出处】：《史记·淮阴侯列传》：“始常山王、成安君为布衣时，相与为刎颈之交……此二人相与，天下至欢也。然而卒相禽者，何也？患生于多欲，而人心难测也。”
【释义】人心难测解释为人的内心难以探测，喻指人的心思难以揣测，多用于贬义。亦做“人心莫测”。
独当一面
张良和刘邦的一次谈话中，张良对韩信的评价。能独当一面的人，往往是很有主见，执行力强的人。
【出处】：《史记·留侯世家》：“而汉王之将，独韩信可属大事，当一面。”
【释义】：单独负责一个方面的工作。
战无不胜
这是刘邦建立汉朝后对韩信的评价，打仗没有不取得胜利的。
【出处】：《战国策·齐策二》：“战无不胜而不知止者，身且死，爵且后归，犹为蛇足也。”
【释义】：形容强大无比，可以战胜一切。也比喻办任何事情都能成功。
十面埋伏
楚汉相争时期，汉王刘邦重用淮阴人韩信，先后活捉魏王豹、赵王歇、燕王臧荼、齐王田广。他被刘邦封为齐王后率30万大军和彭越的军队会师，把项羽围困在垓下，他采取十面埋伏的战术，逼使项羽在乌江自刎，取得决定性的胜利。
【出处】：元·无名氏《抱妆盒》第二折：“从今后跳出了九重围子连环寨，脱离了十面埋伏大会垓。”
【释义】：设伏兵于十面以围歼敌军。
兵仙神帅
明代学者茅坤《史记钞》曰：“予览观古兵家流，当以韩信为最，破魏以木罂，破赵以立汉赤帜，破齐以囊沙，彼皆从天而下，而未尝与敌人血战者。予故曰：古今来，太史公，文仙也；李白，诗仙也；屈原，辞赋仙也；刘阮，酒仙也；而韩信，兵仙也，然哉！”
明万历四十五年(1617年)，明神宗第五子、瑞王朱常浩为祭拜韩信，于汉中拜将台制立“兵仙神帅”诗碑。
韩信在中国历史上是公认的“兵仙”、“神帅”。
居常鞅鞅
樊哙追随高祖刘邦屡建战功，汉朝建立后受封为舞阳侯。韩信后为淮阴侯，曾到樊哙处，樊哙事之谨细，跪送迎拜，口称大王臣下。韩信出门，感慨笑称，生乃与哙等为伍。
事实上韩信羞与哙伍事出有因：樊哙历为韩信部将，刘邦伪游云梦，诈擒韩信，樊哙助纣为虐亲手执缚韩信，于情于理都说不过去，因此也让韩信瞧不起樊哙。
【出处】：《史记·淮阴侯列传》:“信知汉王畏恶其能，常称病不朝从。信由此日夜怨望，居常鞅鞅，羞与绛、灌等列。”
【释义】：因不平或不满而常常郁郁不乐。
功高震主
韩信当时帮刘邦打下了整个江山，按理说应该荣华富贵享用不尽了，这个时候他旁边有一个人很了解刘邦的个性，叫“蒯生”，他跟韩信说“因为刘邦很爱猜疑别人，所以你要很小心，有时候又勇敢又有谋略的人通常不会善终。”可是韩信没有听进去，最后刘邦使计诛杀了韩信。
【释义】：功劳太大，使君主受到震动而心有疑虑。
【出处】：《史记·淮阴侯列传》：“臣闻勇略震主者身危，而功盖天下者不赏。”
金石之交
武涉曾经劝说韩信自立，说道：你和汉王刘邦关系这么好，但是最终还是被他所擒。
【出处】：《汉书·淮阴侯传》：“今足下虽自以为与汉王为金石交，然终为汉王所擒矣。”
【释义】：比喻像金石一样牢不可破的交情。
略不世出
韩信的功劳很大，天底下没有人可以与他相比的。
【出处】：《史记·淮阴侯列传》：“此所谓功无二于天下，而略不世出者也。”
【释义】：谋略高明，世间少有。
不赏之功
韩信在战争中的功劳太大，无法封赏。后形容功劳极大。
【出处】：《史记·淮阴侯列传》：“臣闻勇略震主者身危，而功盖天下者不赏。”
【释义】：形容功劳极大。
勋冠三杰
三杰指的是萧何、张良和韩信。意思是说，三杰之中，韩信的功劳最大。
【出处】：《汉书·高帝纪》:“公知其一，未知其二。夫运筹帷幄之中，决胜千里之外，吾不如子房；镇国家，抚百姓，给饷馈，不绝粮道，吾不如萧何；连百万之众，战必胜，攻必取，吾不如韩信。三者皆人杰，吾能用之，此吾所以取天下者也。”
【释义】：功勋超过汉朝开国的三大功臣萧何、张良和韩信。
伐功矜能
司马迁对韩信的评价，指吹嘘自己的功劳和才能。
【出处】：西汉·司马迁《史记·太史公自序》：“奉法循理之吏，不伐功矜能，百姓无称，亦无过行。”
【释义】：吹嘘自己的功劳和才能。形容居高自大，恃才傲物。
伪游云梦
楚汉战争胜利后，刘邦袭夺韩信兵权，将其徙封为楚王。当刘邦听说韩信在楚陈兵出入，又采取陈平伪游云梦之计，逮捕韩信，贬为淮阴侯。指刘邦伪游云梦，诈捕韩信事。
【出处】：《史记·高祖本纪》
【释义】：指刘邦伪游云梦，诈捕韩信事。后以“云梦游”代指阴谋诡计。
钟室之祸
楚汉相争，韩信屡建奇功。刘邦称帝后，封信为淮阴侯。因遭吕后忌，被斩于长乐宫悬钟之世。
【出处】：《汉书·韩信传》
【释义】：比喻功臣遭忌被杀。
问路斩樵
楚汉相争的时候，韩信协助汉王刘邦同楚兵作战。韩信为出奇谋袭楚，绕道而行。然而道路方向未明，遂下马问樵夫路向，韩信听后，把樵夫斩杀，部将问为什么，韩信称恐樵夫泄露他们的行踪。
【出处】：《西汉演义》三十四回问路斩樵夫。
多多益善
刘邦和韩信有一次对话，刘邦问韩信能带多少兵，韩信回答说：多多益善。
【出处】：《史记·淮阴侯列传》记载，刘邦问韩信能带多少兵。韩信回答说：“臣多多益善耳。”
【释义】：比喻越多越好。
鸟尽弓藏
刘邦当皇帝后为削弱韩信的势力，把当时是“齐王”的韩信徒封为“楚王”，使其远离自己的发迹之地，然后又有人适时告发韩信“谋反”，刘邦又再将他贬为“淮阴侯”，不出几个月皇后吕雉又以谋反之名将韩信诱至长乐宫杀死。
刘邦于公元前202年得天下，韩信于公元前196年身首异处，这对共过患难的君臣在天下大定之后只相处了一年多一点的时间，韩信在临刑之前发出了“狡兔死，走狗烹；飞鸟尽，良弓藏”的浩叹。
【出处】：《史记·越王勾践世家》：“蜚（飞）鸟尽，良弓藏；狡兔死，走狗烹。”
【释义】：鸟没有了，弓也就藏起来不用了。比喻事情成功之后，把曾经出过力的人一脚踢开。
气吞山河
韩信当时背弃项羽投刘邦，心中满怀抱负。
【出处】：元·金仁杰《追韩信》第二折：“背楚投汉，气吞山河。知音未遇，弹琴空歌。”
【释义】：气势可以吞没山河。形容气魄很大。
乡利倍义
韩信平定齐国后，刘邦策立韩信为齐王。齐人蒯通劝韩信与项羽刘邦鼎足而立，三分天下。韩信说：“汉王给我的待遇很优厚，他的车子给我坐，他的衣裳给我穿，他的食物给我吃。我听说，坐人家车子的人，要分担人家的祸患，穿人家衣裳的人，心里要想着人家的忧患，吃人家食物的人，要为人家的事业效死，我怎么能够图谋私利而背信弃义呢！”
【出处】：《史记·淮阴侯列传》：“乘人之车者载人之患，衣人之衣者怀人之忧，食人之食者死人之事，吾岂可以乡利倍义乎？”
【释义】：趋向势力，违背正义。
肝胆照人
齐人蒯通劝韩信三分天下，并说自己愿意披肝沥胆，奉献计策，为韩信效劳，就怕韩信不采纳。
【出处】：《史记·淮阴侯列传》：“臣愿披腹心，输肝胆，效愚计，恐足下不能用也。”
【释义】：比喻以真心相见。
智者千虑必有一失
李左军是赵王的参谋，赵不不听李左军之言而被韩信击败，韩信俘获李左军后，以礼待之。韩信欲讨伐齐国，问策于李左军。李左军给出计策，并表示，“我听人说过：智者千虑，必有一失；愚者千虑，必有一得。我的建议未必全部可取，供您参考吧。”韩信按李左车的建议行事，果然获得成功。
【出处】：《史记·淮阴侯列传》：广武君曰：“臣闻智者千虑，必有一失；愚者千虑，必有一得。故曰‘狂夫之言，圣人择焉’。
【释义】：聪明的人在上千次考虑中，总会有一次失误；愚蠢的人在上千次考虑中，总会有一次收获。
一竿之微
【出处】：清·沈菊庄《韩淮阴钓竿歌》：“千金之重酬漂母，一竿之微还忆否？”又云：“汉王嗜杀功高臣，不闻嗜杀钓鱼人。”
【释义】：指韩信微时垂钓淮阴事。
传檄而定
韩信和刘邦讨论天下大势，他说刘邦对百姓秋毫不犯，废除秦时苛刻的法政，而受到百姓的爱戴。只要接着这样做，那么，三秦之地用一纸文书就可收服。
【出处】：《史记·淮阴侯列传》：“今大王举而东，三秦可传檄而定也。”
【释义】：比喻不待出兵，只要用一纸文书，就可以降服敌方，安定局势。
成也萧何败也萧何
韩信是由萧何发现而推荐给刘邦而成就了刘邦霸业，而最后，又是萧何献计除掉了韩信，正所谓“成也萧何，败也萧何”。
【出处】：宋·洪迈《容斋续笔·萧何给韩信》：“信之为大将军，实萧何所荐，今其死也，又出其谋。故俚语有‘成也萧何，败也萧何’之语。”
【释义】：成事由于萧何，败事也由于萧何。比喻事情的成功和失败都是由这一个人造成的。
这34个成语贯穿了韩信的一生，
试问，还有谁，一生能创造这么多的成语。
还真有，这个人就是苏轼。
与韩信的34个成语稍逊一筹，
苏轼一共贡献了32个成语，
有很多还是苏轼的原创哦！
且看：
苏轼《文与可画禹筜谷偃竹记》：“与可是日与其妻游谷中，烧笋晚食，发函得诗，失笑喷饭满案。”现用来形容事情、行为或说话让人可笑。
苏轼写了《和子由渑池怀旧》诗，内容如下：
人生到处知何似，应似飞鸿踏雪泥。
泥上偶然留指爪，鸿飞那复计东西。
老僧已死成新塔，坏壁无由见旧题。
往日崎岖还记否，路长人困蹇驴嘶。
后人把前四句概括为“雪泥鸿爪”这一成语，比喻往事遗留的痕迹。
苏轼在《送刘寺丞赴余姚》一诗中写道：“中和堂后石楠树，与君对床听夜雨。”
文与可非常擅长画竹子，苏轼为之写过一篇文章，叫《文与可画筼筜谷偃竹记》。其中有这样的句子：“画竹必先得成竹于胸中，执笔熟视，乃见其所欲画者，急起从之，振笔直遂，以追其所见。如兔起鹘落，少纵则逝矣。”于是就有了“胸有成竹”这个成语，比喻做事之前早有通盘的考虑和谋划。
苏东坡写诗取笑怕老婆的陈季常：
龙丘居士亦可怜，谈空说有夜不眠。
忽闻河东狮子吼，拄杖落手心茫然。
后来这个故事被宋代的洪迈写进《容斋三笔》中，广为流传。河东狮吼的典故从此确立。
苏轼的《赤壁赋》不仅贡献了不少耳熟能详成语，也成为后人钟爱的绘画题材，此图为金代画家武元直所绘《赤壁赋图》，现藏于台北故宫博物院。
出自苏轼的《后赤壁赋》：“山高月小，水落石出。”原指一种自然景象，后多比喻事情终于真相大白。
出自苏轼的《赤壁赋》：“惟江上之清风，与山间之明月，耳得之而为声，目遇之而成色，取之无禁，用之不竭。是造物者之无尽藏也，而吾与子之所共适。”形容资源非常丰富。
欧阳修在给大诗人梅尧臣的一封信《与梅圣俞书》中称赞苏诗：“老夫当避路，放他出一头地也。”
出自苏轼的《南乡子·重九涵辉楼呈徐君猷》词：“万事到头都是梦，休休，明日黄花蝶也愁。”比喻过时或无意义的事物。后多形容已失去新闻价值的报道或已失去应时作用的事物。
一次，苏东坡退朝回家，指着自己的腹部问侍婢：“你们有谁知道我这里面有些什么？”一答：“文章”。
一说：“见识。”
苏东坡摇摇头，王朝云笑道：“您肚子里都是不合时宜。”苏东坡闻言赞道：“知我者，唯有朝云也。”
出自苏轼《东坡题跋·书摩诘〈蓝田烟雨图〉》：“味摩诘之诗，诗中有画；观摩诘之画，画中有诗。”形容长于描写景物的诗，使读者如置身图画当中。也形容诗的意境非常优美。
北宋时期，苏轼带他随从外出郊游，他观赏山崖的金鸡菊，随从在一旁高唱苏轼的歌词。苏轼问他们自己与柳永的词有什么不同。随从说：柳郎中的词只可借17岁的女孩子执红牙拍板唱“杨柳外晓风残月”，您的歌词得请关西大汉持铁板唱“大江东去”。后用来形容豪迈激越的文章风格。
明代仇英 《赤壁图》
出自苏轼《念奴娇·赤壁怀古》词：“人生如梦，一尊还酹江月。”这是苏轼对人生的无限感慨，有大彻大悟、超脱尘俗的味道。
语出宋·苏轼《于潜僧绿筠轩》诗：“无肉令人瘦，无竹令人俗。人瘦尚可肥，士俗不可医。”比喻人若庸俗，则不可救药。
出自苏轼的《饮湖上初晴后雨》：“欲把西湖比西子，淡妆浓抹总相宜。” 指淡雅和浓艳两种不同的妆。
出自苏轼《与潘郭二生出郊寻春》诗：“人似秋鸿来有信，事如春梦了无痕。”比喻世事变幻，如春夜的梦境一样容易消逝，不留一点痕迹。
苏轼《东坡志林·三老语》：“尝有三老人相遇，或问之年……一人曰：‘海水变桑田时，吾辄下一筹，尔（迩）来吾筹已满十间屋。’”
这本是寓言，讲三位老人竞相夸耀自己的寿命之高。后用“海屋筹添”指增年益寿，常用作祝寿之词。
形容诗文或书籍写得非常好，不论读多少遍也不感到厌倦。出自苏轼《送安惇秀才失解西归》：“故书不厌百回读；熟读深思子自知。”
用来指随时的，不是预定时间的需要。
出自苏轼《后赤壁赋》：“我有斗酒，藏之久矣，以待子不时之须。”
指16岁的美女。
出自苏轼《李铃辖座上分题戴花》诗：“二八佳人细马驮，十千美酒渭城歌。”
乌：虚幻，不存在。变得什么都没有。指全部消失或完全落空。
出自苏轼《章质夫送酒六壶，书至而酒不达，戏作小诗问之》：岂意青州六从事，化为乌有一先生。
燕：汉成帝皇后赵飞燕；环：唐玄宗贵妃杨玉环。形容女子体态不同，各有各好看地方。 也借喻艺术作品风格不同，而各有所长。
出自苏轼《孙莘老求墨妙亭诗》：“杜陵评书贵瘦硬，此论未公吾不凭。短长肥瘦各有态，玉环飞燕谁敢憎。”
谓山川、河流美如画卷，形容自然风光美丽如图画。
出自苏轼《念如娇·赤壁怀古》：“江山如画，一时多少豪杰。”
只有一个，再没有别的。形容非常稀有。也用来形容人或物非常珍贵。
苏轼《上皇帝书》：“改过不吝，从善如流，此尧舜禹汤之所勉强而力行，秦汉以来之所绝无而仅有。”
比喻极难得的珍贵食品。
苏轼《江瑶柱传》：“方其为席上之珍，风味蔼然。虽龙肝凤髓，有不及者。”
张大千的《庐山观瀑》，引《题西林壁》一诗入画。
出自大家小学都背诵过的苏轼《题西林壁 》诗：“横看成岭侧成峰，远近高低各不同。不识庐山真面目，只缘身在此山中。”
词义是比喻微小而没有作用的名声，非常微小的利润。
出自苏轼《满庭芳》词：“蜗角虚名蝇头微利，算来着甚干忙。”
意思是世间万物各有其所属。
出自每个人中学时都背诵过的苏轼《前赤壁赋》：“夫天地之间，物各有主。苟非吾之所有，虽一毫而莫取。”
出自苏轼《晁错论》：“古之立大事者，不惟有超世之才，亦必有坚韧不拔之志。”形容信念坚定，意志顽强，不可动摇，坚强不屈。
指难以做到 的事情居然做到了，值得珍视。出自苏轼《荀卿论》：“子路之勇，子贡之辩，冉有之智，此三者，皆天下之所谓难能而可贵者也。”
清风缓缓地吹来，水面不曾泛起一丝波纹。
出自苏轼的《前赤壁赋》：“清风徐来，水波不兴。”
玩弄小聪明反而被聪明耽误或妨害了。
苏轼《东坡续集·洗儿》：“人皆养子望聪明，我被聪明误一生。作者写《洗儿》诗，目的是借洗儿之事发牢骚。当时，作者虽有才华，聪明过人，却屡遭打击，因而胸中多有牢落不平之气。这首诗即是借题发挥，表达对不合理的杜会现实的不满。
韩信的成语是用生命来“创造”的，
而苏轼的成语是用文字来“创造”的。
所以，韩信的成语多哲理实用，
而苏轼的成语多文雅有趣，
