作者 张冬鑫
本文转自知乎，转载需授权
前一段时间分析民谣歌词的那边文章特别火，刚好在研究使用python处理数据，就也想弄个类似东西练练手。于是乎，拉上自己亲妹妹 @张小黑 就开始分工。
一、准备歌词素材
歌词选择：杰伦至今的所有专辑（从最开始的到最新的）
由于爬虫木有学会，就只能手动收集歌词。经过一系列的google、baidu，终于找到别人整理好的歌词全集。ok，就这样歌词文件搞定了，一共也没多大，也就207K（想想周董这么多年唱的歌词大半都在这207K的txt文件里就不免有些感慨）。
二、对歌词文件完成分词
这是最难的部分，产品汪只会跟程序猿们相爱相杀，哪会写代码呀！！！
没办法，硬着头皮也要写。网上goolge各种关键字，看博客，花了半天的时间，连蒙带猜，勉勉强强看懂了网上的代码示例，比着葫芦画瓢写了一点点写。
千难万险，终于写完调通，最终主要的部分一共也就12行，没有任何注释（简直乞丐版代码，根本看不出来哪里sexy ~~~~(>_
三、对分词的结果进行分析
好,我们终于到了正文，以上都是废话，下边才是重要结论。（如果以这种方式写邮件一定会被老板打死 ?(^?^*) ）
结论一：杰伦最喜欢的唱的主题 --- 情歌 （我自己也知道这是废话 O(∩_∩)O）
拉了下出现频率 top20的词语，满满的都是文艺、伤感、爱情 ：
我们 / 怎么 / 没有 / 微笑 / 离开 / 爱情 / 回忆 / 不要 / 开始 / 如果 / 怎么 / 开始
我擦，感觉随机排列组合都能成歌词，方文山以后是不是就可以下岗了 ?(^?^*)
结论二：杰伦喜欢妈妈胜过爸爸，喜欢外婆胜过爷爷以及外公（歌词中没有出现奶奶）
大家应该都听过。
杰伦专门为外婆写了一首歌，其中也就1句歌词提到了外公。
至于爷爷，杰伦也有那首
结论三：杰伦喜欢黑色、白色胜过其他颜色
很符合周董的形象，歌词里高大上的黑色&白色力压其他颜色。看到黑白两色频率这么高，我第一时间想到的是，感觉很符合那个气质。还有就是青色出现了6次，大概率是因为吧。
结论四：杰伦最喜欢的语气词是 oh~
毋庸置疑，杰伦最喜欢 oh~ ，排除大小写的因素，[oh] 出现的频率甚至超过 [我们] 成为出现词频最高的词汇。此外杰伦经典的 "哎呦不错哦~" 中的 [哎呦] 也名列前茅，看来杰伦真的很喜欢讲这句话。
总结：只是从歌词来看，大概杰伦就是一个穿着黑白帽衫，表面上酷酷的，但是骨子里满是深情、文艺， 只喜欢喝爷爷泡的茶，听妈妈的话，爱自己外婆的 ，嘴里时不时地冒出一句‘哎呦，不错哦’ 的 五好青年 ^_^
注：以上内容纯属胡说八道，如有雷同，纯属巧合。
推荐阅读
【书单】18本数据科学家必读的R语言和Python相关书籍
如何像数据科学家一样思考
北京VS上海，哪座城市人口更多？
我是如何一不小心阻止了勒索病毒的全球蔓延
用python抓取摩拜单车API数据并做可视化分析(源码)
2017年大数据和数据科学的六大发展趋势
你每天要花多少时间在手机上？
初级数据科学家求职时的 3 大必备能力
不可错过的优质深度学习课程
职场 | 数据库面试常问的一些基本概念
听说你最擅长“拖”，你“拖”得过Excel吗？
数据科学优质课程推荐#2：统计入门课程篇
歌手外科和猴姑，大数据告诉你白百何出轨后谁最惨
想学习数据科学？我们整理了一份优质编程入门课程清单
数据科学家在美国仍然是最热门工作的3大原因
一个优秀数据分析师的准则
Python 实现一个火车票查询的工具
干货 | 携程实时用户行为系统实践
数据分析证明最靠谱的电影评分网站不是 IMDB, 也不是烂番茄，而是...
那些年，写 Python 犯过的错误
