大家好，今天我們用python分析下周杰倫歌曲。為了盡量完整地呈現(xiàn)從原始數(shù)據(jù)到可視化的過程，接下來我們會先簡單講解數(shù)據(jù)的預(yù)處理過程，即如何將 JSON 數(shù)據(jù)轉(zhuǎn)化為Excel 格式，以及如何對周杰倫的歌曲進行分詞。

本案例中的歌詞數(shù)據(jù)來自中文歌詞數(shù)據(jù)庫，這個數(shù)據(jù)庫提供了華語歌手的歌曲及歌詞信息，數(shù)據(jù)以 JSON 格式存儲。

數(shù)據(jù)預(yù)處理指的是將原始數(shù)據(jù)處理成我們希望的格式，并提取出我們需要的信息。

在本案例中，我們需要先從數(shù)據(jù)庫中篩選出演唱者為周杰倫的歌曲，然后獲得這些歌曲的歌詞，并將它們存儲到純文本文檔（.txt 格式）中，以下提供兩種方法。

第一種方法，先把 JSON 文件轉(zhuǎn)換為 Excel 可以打開的 .csv 文件或 .xlsx 文件格式。這可以借助一些在線的轉(zhuǎn)換工具完成（如 JSON to CSV Converter）。一般而言，只需將文件拖入這些工具，選擇好轉(zhuǎn)換格式類型，即可轉(zhuǎn)換完成。接著，我們便可以在 Excel 中打開該數(shù)據(jù)，然后單擊“數(shù)據(jù)→篩選”命令，選擇歌手為“周杰倫”的歌曲。之后，選中它們的歌詞，并將其粘貼到純文本文檔中。

第二種方法，通過 Python 進行數(shù)據(jù)預(yù)處理。首先，需要引入 JSON 庫（未安裝者通過 pip install json 安裝）。

import json

然后，讀取我們下載的 JSON 文件，存儲在名為 data 的變量中。

通過這幾行代碼，我們就獲得了周杰倫所有歌曲的歌詞數(shù)據(jù)（見圖1）。以這個 .txt 文件為基礎(chǔ)，我們便可以進行詞頻統(tǒng)計了。

以下附上一種在 Python 中分詞的方法。首先引入 jieba 庫（安裝 ：pip install jieba）、pandas 庫（安裝 ：pip install pandas）、用于頻次統(tǒng)計的 Counter 庫，以及表單工具，代碼如下：

事先準備好一個中文的停用詞表（.txt 文件，里面包含一些常見的、需要過濾的中文標點和虛詞，可在網(wǎng)上下載），代碼如下：

打開歌詞文件，利用 jieba 庫進行分詞。分詞之后，刪除停用詞、去除無用的符號等。用 Counter 庫對清洗干凈的詞語進行頻次統(tǒng)計。然后將統(tǒng)計結(jié)果用 pandas庫轉(zhuǎn)換為數(shù)據(jù)表單，存儲為 Excel 文件，代碼如下：

由此，如下表所示，我們便獲得了分詞后的單詞及詞頻。使用這個文檔，我們就可以開始制作可視化了。

?由于是文本類數(shù)據(jù)，我們首先想到的可視化形式可能是文字云。如果你使用 Python，則可以直接基于剛才的分析結(jié)果，調(diào)用wordcloud庫繪制文字云，代碼如下：

繪制結(jié)果如圖所示：

?不過，在代碼工具內(nèi)繪制文字云，進行定制化設(shè)計相對比較復(fù)雜。因此，也可以借助一些在線工具幫助我們實現(xiàn)更好的可視化效果。下面，我們以微詞云為例進行演示。

進入微詞云界面后，首先單擊“導入單詞”，進行數(shù)據(jù)導入。選擇“從 Excel 中導入關(guān)鍵詞”，然后上傳我們剛才得到的包含單詞和詞頻的 Excel 文檔（需要注意的是，微詞云目前對上傳的 Excel 文件格式有一定要求，比如，列名必須叫“單詞”和“詞頻”才能識別，詳見其頁面指引），即可生成文字云。

可以看到，微詞云的頁面上還有另外兩種導入數(shù)據(jù)的選項。其中，“簡單導入”支持用戶輸入用逗號隔開的單詞?！胺衷~篩詞后導入”則支持用戶粘貼長文本，然后由系統(tǒng)自動進行分詞和詞性判別。換句話說，如果你有一個文檔文件，也可以直接粘貼進微詞云進行分詞。

接下來我們用周杰倫的歌詞文檔來嘗試一下。選擇“分詞篩詞后導入”，然后將之前的 .txt 格式的文檔粘貼進微詞云。之后，單擊“開始分詞”，軟件就會自動把詞語切割出來，并按詞性歸類，結(jié)果如下圖所示。

可以看到，所有的詞語被按照動詞、名詞、形容詞、人名等歸類。詞語后面的括號標注了詞頻。同時，微詞云還自動幫我們把高頻的詞匯勾選出來。我們也可以根據(jù)個人需求，在這個界面中進一步編輯，例如只顯示名詞、只顯示動詞等，然后單擊“確定使用所選單詞”按鈕，即可生成詞云。

之后，我們可以在“配置”欄中編輯詞云的顯示方式。其中，“計算模式”指的是字體的大小是否嚴格與詞頻匹配，因此我們選擇“嚴格比例”。另外，我們還可以更改文字的顏色，以及文字云中單詞的數(shù)量等。在本案例中，我們把單詞數(shù)量調(diào)整到 200。調(diào)整完畢后，單擊右上角的“下載到本地”按鈕即可。

當然，雖然詞云在視覺上比較有趣，但在展示數(shù)據(jù)上卻不一定清晰。因此，我們也可以使用其他的圖表來進行可視化。比如，可以用圓面積來展示最高頻的詞匯。

以上，我們講解了使用 Python 分詞和使用在線工具分詞的兩種方法，大家可以根據(jù)本案例進行學習。