数据分析：当赵雷唱民谣时他唱些什么？
赵雷的一曲《成都》，成为了湖南卫视知名飙高音节目《歌手》里的一股清流。
这个几年前在 live house 里被粉丝喊着“赵雷不红，天理不容”的民谣歌手，终于大众市场上火了一把。
作为一个名老粉丝，我也倍感欣慰。（虽然以后的现场票价估计要更贵了）
所以今天，决定不按常理地来一发安利：
利用 Python 分词，分析下赵雷的歌里到底写了什么？
1. 样本
赵雷公开发行的三张专辑《无法长大》、《吉姆餐厅》、《赵小雷》和单曲《再也不会去丽江》，共 32 首。
这些歌词可以通过爬虫脚本从音乐网站上抓取，不过因为只有 32 首，不算太多，我就偷懒直接手动复制到了本地文件中。
虽然还有些很不错的未收录歌曲，比如我个人非常喜欢的《飞来飞去》，但这次不纳入统计。
2. 统计方法
我的目的是要看一看赵雷的歌曲里，哪些词出现的次数最多，以此对赵雷的歌曲风格管中窥豹。当然，同一首歌中出现多次的词，只能算作一次，不然像“北京”这种在副歌中反复出现的词就不得了了。
所以大体的思路是：
把一首歌的歌词按词划分。这里要用到分词库，下面会具体介绍下。
去除重复的词，得到这首歌的用词表。通过集合 set() 可以轻松做到。
把所有歌曲的用词合并到一起，统计出现次数。可以借助 collections.Counter 实现。
按照次数排序。由于 Python 的字典本身是无序的，所以使用 sorted 方法排序时还需要一点小技巧，详情可参见代码。
在公众号（Crossin的编程教室）中回复“赵雷”可获取代码及统计样本。
3. 分词库
使用“结巴中文分词”。这是个效果不错、使用方便的 python 中文分词库，强烈推荐。
项目地址：
https://github.com/fxsjy/jieba
安装方法：
pip install jieba
分词示例：
seg_list = jieba.cut("我来到北京清华大学")
print("/ ".join(seg_list))
输出：
我/ 来到/ 北京/ 清华大学
4. 结果
经过分词、去重、计数、排序后，得到了频率最高的一些词。去掉没有太多特殊意义的助词、代词、介词、连词等虚词，以及“走”、“想”这种十分普遍的动词，剩下值得关注的热词有（后面的数字为该词出现的歌曲数）：
生活 10
衣裳 10
笑 8
阳光 8
青春 8
月亮 8
寂寞 7
无法 7
车 7
离开 7
时光 7
时间 7
永远 6
沉默 6
世界 6
她 6
谁 6
自己 6
孩子 6
看到 6
果真是歌如其人。从这些词，仿佛就拼出一个：外表“沉默”，内心热爱“生活”，白天晒“阳光”，晚上晒“月亮”，“寂寞”时候常常回味起往日“青春”“时光”的大“孩子”。
不过我没料到，赵雷是有多喜欢“衣裳”……
over：穿着你送的衣裳
再也不会去丽江：别给性穿上爱情的衣裳
北京的冬天：北京的冬天太冷我没有足够的衣裳过冬
南方姑娘：阳光里她在院子中央晾晒着衣裳
吉姆餐厅：穿上那件未见过太阳的新衣裳
孤独：却只有你洗净叠好的衣裳 放在我枕旁
家乡：就像一件俗气的衣裳
朵：若她只是件衣裳 那我就没有必要隐藏欲望
窑上路：那时树影下的母亲在为我缝补衣裳
赵小雷：他捋捋头发换上新的衣裳要出门去
“生活”也是赵雷歌曲中一个重要的主题：
over：我要创造新的生活，和你重新来过，
三十岁的女人：是不是一个人的生活 比两个人更快活
人家：生活简单的就像是一块石子
八十年代的歌：我想过平常人的生活
无法长大：爱情是否能解除生活的狼狈
未给姐姐递出的信：生活一下子变得冷清
梦中的哈德森：我每天面对着同样的生活没有变化
民谣：歌是生活 歌是纯真
理想：又让我沉入失望的生活里
赵小雷：生活要自己为自己创造惊喜
反倒通常流行歌曲中常常出现的“爱”、“喜欢”等词，在赵雷的歌曲中有着更含蓄的表达。
或许这也是为什么如今越来越多人喜欢赵雷的原因：真实、接地气，好像是邻居家的朋友，对你把他的故事娓娓道来。因为正如他歌里所唱，他坐着火车走南闯北，然后回到一间十四五平米的北京小院里，写下了这些歌曲，掺杂着浓浓的生活气息。
公众号（Crossin的编程教室）中回复“赵雷”，可下载本篇源代码。
近期文章推荐阅读：
Crossin的编程教室
crossincode.com
QQ 群：453300655
个人微信：crossin11
点击左下角“阅读原文”，查看更多学习资源