霍尊是當前滿紅的古風歌手尚困，他的歌曲優(yōu)美而引人遐思，幾乎成了唯美古裝劇的必配劳翰。在聽了n首之后敦锌，數(shù)據(jù)分析的本性難耐，碼了段程序佳簸，一起看看他的歌詞乙墙，主要寫了什么。
用的技巧不復雜溺蕉，就是結巴分詞和詞云圖伶丐。以前也有很多人用來分析其他歌手比如汪峰，周杰倫疯特。所以在此之前還搜了一下哗魂，好像沒人講霍尊。開干漓雅。所用程序是R語言录别。
首先安裝包，jiebaR和wordcloud2
library(jiebaR)
library(wordcloud2)
library(readr)
setwd("E:")
其次讀取文件邻吞∽樘猓霍尊出道不算很久，歌曲不多抱冷，我大約搜到了20首古風歌曲崔列，包括卷珠簾，桃花雨旺遮，粉墨等等赵讯，現(xiàn)代歌沒有錄入（比如玫瑰堡壘，比如天氣預報報一報（這歌名是什么鬼））耿眉，以免影響境界边翼。
然后做成txt文本文件。
讀取和分詞有兩個辦法鸣剪，我先試的是直接用read_table讀取txt文件组底，然后用worker函數(shù)分詞，但這樣的結果會很怪筐骇，重復的詞后面會有詞頻债鸡，比如“的_3”，好煩惱铛纬∧锼看以前的文章不會有這樣的現(xiàn)象，不知道是不是包的改動or版本的問題饺鹃。
改為scan后用segment函數(shù)莫秆，就好了间雀。
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個字的刪掉，算下總數(shù)镊屎，一共有1550個詞語惹挟。
運用count函數(shù)，統(tǒng)計詞頻缝驳，然后按照順序排序连锯。
這里要注意的：
- 按理說sort也可以，比如lyric_50<-sort(tableword$freq,decreasing=T)[1:50]用狱，但我怎樣也不行运怖，然后就轉了order
- 要把count(lyric)轉化為數(shù)據(jù)框結構，這樣左列是詞語夏伊，右列是詞頻摇展。
tableword<-as.data.frame(count(lyric))
tableword[order(tableword[,2],decreasing=T),]
然后就可以畫詞云圖了，記得data也要用有詞頻的數(shù)據(jù)溺忧，而不是只有分詞的文件咏连，不然又要報錯。
wordcloud2(tableword2,size=0.5,shape='square')
先用所有詞試一下鲁森，滿滿的占了整屏幕祟滴，詞語還是很優(yōu)美的。語文老師大概會打85分歌溉。
好吧還是要篩選一下垄懂。只把詞頻在3以上的挑出來，而且字號調小痛垛。這次只有141個了草慧。最多的詞也只有6個詞頻，重復率并不高榜晦。
tableword2<-subset(tableword,tableword[,2]>=3)
wordcloud2(tableword2,size=0.5,shape='star')
出來一個比較扁的星星。三國比較多是因為他唱了一首游戲主題曲《放開那三國》...
感想：霍尊歌詞里重復的詞語不多羽圃，比如風字開頭的就有：風景乾胶，風骨，風雨朽寞，風月识窿，風浪，風涼...這可能跟他歌曲的作詞者比較不同有關脑融，所以盡管題材趨同喻频，但每一首還能給人較為清新的感覺。
潛力還很大嘛肘迎∩拢看好你哦锻煌！
所選歌曲：1.惜春詞 2.桃花雨 3.天行九歌 4.夢誅緣 5.粉墨 6.孤芳不自賞 7. 梨花落 8. 伊人如夢 9. 之子于歸 10. 卷珠簾 11. 青云志 12.素顏 13. 不送貼 14.花雅禪 15.東風引 16.玉佛傳燈 17.木棉 18. 放開那三國 19. 春宴 20.時光不忘
參考文章：
http://blog.csdn.net/sinat_26917383/article/details/51620019
