《大小说家》歌词分词、词频统计及词云图

image.png

《大小说家》是林宥嘉于2012年6月22日发行的第四张专辑，共收录了10首歌曲。

专辑曲目

而后，我整理出了这十首歌曲的歌词放置在YogaLin.txt文件中。并准备用jieba与在线词频分析工具图悦进行专辑歌词分词、词频统计与词云图制作。

jieba

首先，需要在云服务器上安装jieba与xlwt。

安装jieba

pip install jieba

安装xlwt

pip install xlwt

jieba5.py代码：

# -*- coding:utf-8 -*-    
  
import sys  
reload(sys)  
  
sys.setdefaultencoding('utf-8')  
  
import jieba  
import jieba.analyse  
import xlwt #写入Excel表的库  
  
if __name__=="__main__":  
  
    wbk = xlwt.Workbook(encoding = 'ascii')  
    sheet = wbk.add_sheet("wordCount")#Excel单元格名字  
    word_lst = []  
    key_list=[]  
    for line in open('YogaLin.txt'):#1.txt是需要分词统计的文档  
  
        item = line.strip('\n\r').split('\t') #制表格切分  
        # print item  
        tags = jieba.analyse.extract_tags(item[0]) #jieba分词  
        for t in tags:  
            word_lst.append(t)  
  
    word_dict= {}  
    with open("wordCount.txt",'w') as wf2: #打开文件  
  
        for item in word_lst:  
            if item not in word_dict: #统计数量  
                word_dict[item] = 1  
            else:  
                word_dict[item] += 1  
  
        orderList=list(word_dict.values())  
        orderList.sort(reverse=True)  
        # print orderList  
        for i in range(len(orderList)):  
            for key in word_dict:  
                if word_dict[key]==orderList[i]:  
                    wf2.write(key+' '+str(word_dict[key])+'\n') #写入txt文档  
                    key_list.append(key)  
                    word_dict[key]=0  
      
      
    for i in range(len(key_list)):  
        sheet.write(i, 1, label = orderList[i])  
        sheet.write(i, 0, label = key_list[i])  
    wbk.save('wordCount.xls') #保存为 wordCount.xls文件 

在Xshell输入：

python jieba5.py

运行结果如下，含584个词语：

结果文件

txt结果文件

Excel结果文件

然后通过Word Art网站，导入数据后，得到如下词云图。

词云图

我们可以很明显地看出“不要”“可不可以”“好心”“放过”这四个个高频词是出自于《周末夜惊魂》中重复的歌词段落“可不可以请你好心放过我 不要xx”；“有鬼”这个高频词是出自于《4号病房》中反复歌唱的“信我 有鬼”。《周末夜惊魂》《4号病房》这两首单曲，前一个是惊悚题材的快歌，后一个是神经病患者的视角的非常high的摇滚风编曲，都非常的神经质。不论抒情风格抑或是摇滚风格，歌词的多次反复总是一层一层地渲染着情绪，在这种情况下，高频词语的出现便合情合理了。

而一些平常的词语由于运用范围的广泛性，通过在多首曲中多次出现也拔得了头筹。如“大多来自于《周末夜惊魂》与《傻子》的“这样”，来自于《思凡》与《傻子》的“明白”等。

而剩下的一些高频词则是属于一些歌曲中的关键词，如“浪费”“没关系”两次是歌曲《浪费》的中心词，“诱惑”“醉倒”则是歌曲《诱》反复出现的词语，“runaway”也只出现在歌曲《Runaway Mama》中······

在线词频分析工具图悦

在左侧粘贴文本后，点击“分析出图”，即迅速得到了结果。右侧词云图中的高频词与用jieba得出的高频词大体相似。

图悦

但Excel结果中只有151个词语，远少于jieba中的584个词语，说明图悦中的结果并不完善。

图悦Excel结果