用Python分析周杰倫6.5W字的歌詞，原來他是這樣的人

雷鋒網按：本文作者冬鑫，原文載於作者知乎專欄，雷鋒網已獲授權。文中所有鏈接詳見文末「閱讀原文」。

前一段時間分析民謠歌詞的那邊文章特別火，剛好在研究使用python處理數據，就也想弄個類似東西練練手。於是乎，拉上自己親妹妹 @張小黑 就開始分工。

一、準備歌詞素材

歌詞選擇：杰倫至今的所有專輯（從最開始的到最新的）

由於爬蟲木有學會，就只能手動收集歌詞。經過一系列的 google、baidu，終於找到別人整理好的歌詞全集。ok，就這樣歌詞文件搞定了，一共也沒多大，也就207K（想想周董這麼多年唱的歌詞大半都在這207K的txt文件里就不免有些感慨）。

二、對歌詞文件完成分詞

這是最難的部分，產品汪只會跟程序猿們相愛相殺，哪會寫代碼呀！！！

沒辦法，硬著頭皮也要寫。網上goolge各種關鍵字，看博客，花了半天的時間，連蒙帶猜，勉勉強強看懂了網上的代碼示例，比著葫蘆畫瓢寫了一點點寫。

千難萬險，終於寫完調通，最終主要的部分一共也就12行，沒有任何注釋（簡直乞丐版代碼，根本看不出來哪裡sexy ~~~~(>_

三、對分詞的結果進行分析

好,我們終於到了正文，以上都是廢話，下邊才是重要結論。（如果以這種方式寫郵件一定會被老闆打死 (^?^*) ）

結論一：杰倫最喜歡的唱的主題 --- 情歌 （我自己也知道這是廢話 O(∩_∩)O）

拉了下出現頻率 top20 的詞語，滿滿的都是文藝、傷感、愛情 ：

我們 / 怎麼 / 沒有 / 微笑 / 離開 / 愛情 / 回憶 / 不要 / 開始 / 如果 / 怎麼 / 開始

我擦，感覺隨機排列組合都能成歌詞，方文山以後是不是就可以下崗了 (^?^*)

結論二：杰倫喜歡媽媽勝過爸爸，喜歡外婆勝過爺爺以及外公（歌詞中沒有出現奶奶）

大家應該都聽過。

杰倫專門為外婆寫了一首歌，其中也就1句歌詞提到了外公。

至於爺爺，杰倫也有那首

結論三：杰倫喜歡黑色、白色勝過其他顏色

很符合周董的形象，歌詞里高大上的黑色&白色力壓其他顏色。看到黑白兩色頻率這麼高，我第一時間想到的是，感覺很符合那個氣質。還有就是青色出現了6次，大概率是因為吧。

結論四：杰倫最喜歡的語氣詞是 oh~

毋庸置疑，杰倫最喜歡 oh~ ，排除大小寫的因素，[oh] 出現的頻率甚至超過 [我們] 成為出現詞頻最高的辭彙。此外杰倫經典的 "哎呦不錯哦~" 中的 [哎呦] 也名列前茅，看來杰倫真的很喜歡講這句話。

總結：只是從歌詞來看，大概杰倫就是一個穿著黑白帽衫，表面上酷酷的，但是骨子裡滿是深情、文藝， 只喜歡喝爺爺泡的茶，聽媽媽的話，愛自己外婆的 ，嘴裡時不時地冒出一句『哎呦，不錯哦』 的 五好青年 ^_^

註：以上內容純屬胡說八道，如有雷同，純屬巧合。

另，頭圖不是 python 生成,是使用一個國外的網站（wordart）生成的。文章中使用的分詞代碼、歌詞文本、頭圖已通過有道雲筆記分享（文章末尾有鏈接），內容如下：

有道雲筆記鏈接：http://t.cn/RaICFIV

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！