更多、更及时的干货内容，请关注扑克投资家网站
文 | DK
来源 | 超级王登科，ID : superwdk
编辑 | 扑克投资家，转载请注明出处
听了这么多年民谣，我有一种感觉，就是很多歌都似曾相识，但是仔细一想，又哪一首都想不起来，为了搞清楚这群流浪在祖国大地的现代游吟诗人们都在唱些什么，我做了一些数据分析的工作。
我选取了大约30个覆盖从程序员，朋克，基佬到女权主义者，中国大妈，穆斯林的能够覆盖所有人群的民谣歌手和乐队，包括李志，夭十三，赵雷，宋冬野，周云蓬，逃跑计划等等，为了设立参照，我还取了一些其他风格的乐队，比如老一些的汪峰，窦唯，朴树和新一些的低苦艾，谢天笑，反光镜，草东等等。
我首先写了一个爬虫，它可以根据歌手或乐队的名字来自动抓取这个歌手的所有歌，为了保证平衡，我最多只抓取前50首歌，老实说，大多数歌手被人熟知的歌并不会超过这个数字。
这样，我得到了小一百个装满歌词的文件，鼠标滑过就能感觉到从里面溢出来的文艺气息，我感觉一阵忧郁袭来，为了写接下来的代码，我吹掉了一瓶可乐。
接下来，我开始了对这些歌词(约42万字)的分析。
首先是情绪分析，通过对这些歌词的自然语言处理，我知道了不同歌手们吟唱的到底是开心还是不开心的事情：
数值的分布比较平均，但大致可以看得出有三个分类，一类是特别开心的，例如郝云。但是我一开始也不太懂，为什么丢火车的情绪也这么高，后来听了几遍他们的歌，发现他们虽然唱腔惨兮兮的，但是歌词还是充满正能量的，丢火车乐队歌词中出现次数最多的三个词分别是「永远」「晚安」「倔强」，这些都是正面情绪的词。第二类则是比较忧伤的，以我们熟悉的逼哥为代表，他们的歌词中充斥着孤独，沉默，泪水等词语。虽不暴力，但是多少有一些黑暗。
第三类则以赵雷为代表，比较平静，就像一个朋友给你讲故事，不疾不徐，娓娓道来，里面也有开心，也有难过，但总体情绪趋于中值。这也许解释了为什么赵雷这么晚才火起来的原因——平淡的情绪较难快速给人以强烈的冲击。但无论如何，好的音乐总会被人们发掘。
基于某种趣味，我又分析了一下其他风格的音乐的情绪：
民谣的情绪很丰富，而摇滚的情绪则大多是负面的，人们说，没有愤怒就没有摇滚，这话至少在歌词的情绪上是正确的。
民谣歌手最喜欢什么季节？通过对歌词的分析，这个问题也可以解决：
其中，春天出现了81次，冬天出现了74次，夏天和秋天各出现了70和47次。由此可见，最受欢迎的是春天和冬天，最不受欢迎的是秋天。但我个人觉得秋天挺好的，秋高气爽，菜价便宜。
同样的，我也分析了歌手们最喜欢的城市，结果如下：
可以看得出，北方城市完全战胜了南方城市，成了在歌词中被唱的最多的地方，特别是北京，一共出现了81次。说到一线城市，人们会说北上广深，但是在民谣的世界里，北京绝对是不可撼动的存在。南方城市只有成都勉强露了几个照面。作为一个成都人，我对此还挺高兴的。
难以理解的是，虽然北方城市大获全胜，但是歌手们却更多的念叨着「南方」而不是「北方」，「南方」比「北方」多出现了大约5.7%
另一个我感兴趣的问题是，民谣歌手们是在向前看还是向后看，是往未来寄托希望，还是缅怀过去？
看得出，民谣歌手是在往前看的，至少是活在当下的，「明天」这个词在歌词中出现的次数最多，接着是「今天」和「昨天」，而「前天」和「后天」则几乎可以忽略不计，这也是可以理解的，比如说「我拿青春赌明天」，这听上去很美好，如果要说「我拿青春赌后天」乃至于「我拿青春赌下个月5号」，这听上去就像一个赌徒发疯了。
在我的统计中，出现最多的几个意象是：再见，姑娘，夜空，孤独，快乐。
如果把民谣拟人化，那应该是一个喜欢南方的北京小伙子，觉得世界很操蛋，但骂归骂，到底是对生活有希望的，憧憬着明天，在春天感到快乐，在冬天感到孤独，没有女朋友，但有几个纠缠不清的前女友，经常和她们见面，见面的地方可能是成都，昆明，南京，上海，武汉。。。。。
说来奇怪，中国人爱吃，但是对吃的却有千百种看法和意见，有的人喜欢吃辣，有的人不喜欢，有的人喜欢吃甜豆腐，有的人喜欢吃咸豆腐，千滋百味是中国菜的特色，但中国的味道到底是怎样的？或者说，主流的中国味道是怎样的？是美食节目里精致的膳食，还是晚上回家老妈的一碗热面？抑或是家门口小饭馆里冒着热气的回锅肉？
为了解决这个问题，我开始琢磨从数据分析上想点门路。在我咽了无数次口水后，我选取了几个美食网站，这几个美食网站的特点是，上面的美食都是用户主动上传的，因此，爬取这些美食的相关数据，就相当于趴在窗外看了一次别人家的晚饭，当我趴在窗户上看了足够多的别人家的晚饭的时候，关于中国味道的印象应该就可以成形了。
虽然这样做看上去有点猥琐，但是我的内心是高尚的，这一点必须澄清一下。
首先，我依旧是写爬虫，这个爬虫能够自动从这几个美食网站上随机获取美食的信息，包括食材，烹饪时间，具体步骤，美食名称，上传美食的用户位置这几个信息。
和之前的爬虫不一样，这个爬虫是自动去获取数据的，不需要跟任何参数，因此我把它放在一边，没有管它，这样过了一个小时之后。。。
第二天我又把它开了半天，最后大概爬取了约20万份全国各地的人们主动上传的美食。看到数据的我突然觉得，要是这都是做给我吃的就好了，20万道菜，就算一天吃10道菜，都可以吃50年了。数据从某方面来讲确实是好东西，但毕竟不能吃，少了那么些意思。
和之前分析歌词不同，几十万字的歌词也才1M上下，存个文本文档就足够了，但这次不一样，20万份下来最少100M，要是放在文本文档里那别说分析了，打开它都得让电脑卡死，所以这一次，我鸟枪换炮，把它存在了 mysql 数据库里面，说实话，G 以下的数据，也暂时还用不到 Hadoop 一类的东西，mysql 足矣。
通过对食材的聚类分析，我们可以看出，最受欢迎的调理是盐，其次是糖，酱油（PS:同类词已经合并，例如糖和白糖，都算做糖）
这从某种程度上说明了，咸味比甜味还是更主流一点。
那么，人们最喜欢吃的肉是什么呢？我们把食材又做一次聚类，发现了如下事实：
可以看得出，五花肉是不可撼动的存在，第二名排骨的份额也不错，达到了12.1%，其次是牛肉和猪肉。虽然猪肉略逊于牛肉，但五花肉和排骨其实也是猪肉，因此，猪肉无可辩驳的是中国人的餐桌之王。令我比较吃惊的是虾仁有8.57%的份额，我小时候基本上很少吃虾仁，这世界变化快啊。
肉类看完了，那么对于蔬菜的选择又是怎样的呢？
看了结果我有一点愤怒，为什么这么难吃的胡萝卜居然是第一？而且那么领先。又是为什么，香菜居然出现在了前十的名单里面。我最爱的土豆，居然只有 14.54% 的份额。这太让人震惊了。
另外我还发现了一个不得不说一下的事实，就是在描述用量的时候，出现最多的是「适量」，这个描述每次我看到都很头疼，适量到底是多少，为什么不能说的明白一点呢，我手一抖，倒下去半瓶醋，是不是也是适量？
看完了食材，我们看一下中国人最常做的菜是什么：
可乐鸡翅，这勾起了我遥远的回忆，我第一次听到这个名字的时候还在上小学，那时候我觉得这个菜肯定特别牛逼，特别复杂。后来却发现，这道菜出奇的简单，那些号称能在厨房露一手，但是平时从来不下厨房的人们，往往能露的也只有可乐鸡翅和蛋炒饭，最多再加一个土豆丝。
另一个比较好玩的数据是烹饪时间，统计发现，接近半数的菜，烹饪时间为30-45分钟，这充分说明了中国人做菜是充满耐心的，虽然社交网络上充斥着几分钟做一个什么什么菜的教程，但是大家还是愿意认认真真，花几个小时做一桌一家人的晚餐，这是中国传统文化中关于食物的美好的地方。
中国菜的技艺复杂，煎炒炸蒸焖煮烧，什么技法是出现最多的呢？
炒是做常见的做法，其次是烧，蒸和煎。
照例，我们可以杜撰一下一道典型中国菜的画像：适量的五花肉，适量的胡萝卜，土豆和洋葱，以及适量的酱油，盐和糖。首先把锅烧热，倒入适量的油，然后放入姜蒜，等香味出来后，放入五花肉，等到五花肉的油出来，肉微焦，香味四溢的时候，放入胡萝卜，土豆，洋葱，继续翻炒，然后放入酱油上色，盐，糖，继续翻炒入味，还可以放点水烧一下。然后撒点葱花，就可以出锅了！
炒出来可能是这个样子：
MD，居然饿了。
版权问题、商务合作、读者投稿
微信号 mindcherisher
电话＋86 186-1633-5129
点击阅读原文，链接至扑克投资家（puoke.com）
获取更多、更及时的干货内容
