霍尊的歌词，到底唱了什么

霍尊是当前满红的古风歌手，他的歌曲优美而引人遐思，几乎成了唯美古装剧的必配。在听了n首之后，数据分析的本性难耐，码了段程序，一起看看他的歌词，主要写了什么。

用的技巧不复杂，就是结巴分词和词云图。以前也有很多人用来分析其他歌手比如汪峰，周杰伦。所以在此之前还搜了一下，好像没人讲霍尊。开干。所用程序是R语言。
首先安装包，jiebaR和wordcloud2

library(jiebaR)
library(wordcloud2)
library(readr)
setwd("E:")

其次读取文件。霍尊出道不算很久，歌曲不多，我大约搜到了20首古风歌曲，包括卷珠帘，桃花雨，粉墨等等，现代歌没有录入（比如玫瑰堡垒，比如天气预报报一报（这歌名是什么鬼）），以免影响境界。
然后做成txt文本文件。
读取和分词有两个办法，我先试的是直接用read_table读取txt文件，然后用worker函数分词，但这样的结果会很怪，重复的词后面会有词频，比如“的_3”，好烦恼。看以前的文章不会有这样的现象，不知道是不是包的改动or版本的问题。
改为scan后用segment函数，就好了。

f <- scan('E:/hz.txt',sep='\n',what='',encoding="UTF-8")
wk<-worker()
lyric <- segment(f,wk)
lyric <- lyric[nchar(lyric)>1]
length(lyric)

然后把1个字的删掉，算下总数，一共有1550个词语。

运用count函数，统计词频，然后按照顺序排序。
这里要注意的：

1. 按理说sort也可以，比如lyric_50<-sort(tableword$freq,decreasing=T)[1:50]，但我怎样也不行，然后就转了order
2. 要把count(lyric)转化为数据框结构，这样左列是词语，右列是词频。

tableword<-as.data.frame(count(lyric))
tableword[order(tableword[,2],decreasing=T),]

然后就可以画词云图了，记得data也要用有词频的数据，而不是只有分词的文件，不然又要报错。

wordcloud2(tableword2,size=0.5,shape='square')

先用所有词试一下，满满的占了整屏幕，词语还是很优美的。语文老师大概会打85分。

好吧还是要筛选一下。只把词频在3以上的挑出来，而且字号调小。这次只有141个了。最多的词也只有6个词频，重复率并不高。

tableword2<-subset(tableword,tableword[,2]>=3)
wordcloud2(tableword2,size=0.5,shape='star')

canvas.png

出来一个比较扁的星星。三国比较多是因为他唱了一首游戏主题曲《放开那三国》...

感想：霍尊歌词里重复的词语不多，比如风字开头的就有：风景，风骨，风雨，风月，风浪，风凉...这可能跟他歌曲的作词者比较不同有关，所以尽管题材趋同，但每一首还能给人较为清新的感觉。
潜力还很大嘛。看好你哦！

所选歌曲：1.惜春词 2.桃花雨 3.天行九歌 4.梦诛缘 5.粉墨 6.孤芳不自赏 7. 梨花落 8. 伊人如梦 9. 之子于归 10. 卷珠帘 11. 青云志 12.素颜 13. 不送贴 14.花雅禅 15.东风引 16.玉佛传灯 17.木棉 18. 放开那三国 19. 春宴 20.时光不忘

参考文章：
http://blog.csdn.net/sinat_26917383/article/details/51620019