数据分析：当赵雷唱民谣时他唱些什么？

江水滔滔

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。

《歌手》纯享：赵雷《成都》

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：

fxsjy/jieba

安装方法：

1. pip install jieba

复制代码

分词示例：

1. seg_list = jieba.cut("我来到北京清华大学")
2. print("/ ".join(seg_list))

复制代码

输出：

1. 我/ 来到/ 北京/ 清华大学

复制代码

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。





其他文章及回答：

学习编程的过程中可能会走哪些弯路，有哪些经验可以参考？ - Crossin 的回答

你是如何自学 Python 的？ - Crossin 的回答

爆款游戏《贪吃蛇大作战》的 Python 实现 - Crossin的编程教室 - 知乎专栏

想用 Python 做数据分析？先玩玩这个再说 - Crossin的文章 - 知乎专栏

Crossin的编程教室

微信ID：crossincode论坛：Crossin的编程教室