上周看到产品经理用excel做的数据透视图很高大上,于是自己学了一下，并顺便用李白诗集做了原始数据，进行了分析。以下是整个过程。
1，下载网络上流传的李白诗集的原始文件txt。
2，使用Python，使用了结巴分词，对每一句话进行了分词处理。
3，将所有分词处理，去除符号等脏数据。
4，导入excel,进行数据透视。
以下是分析出来的统计图：
图1——三字以上词语频次
图1为李白诗集中三字以上的词语出现频率前10名，第一的曲歌辞是诗名（没错，就是写了那么多首），其他如“君不见”，“天地间”，“悲来乎”“望长安”也很轻松的进了前十。这很李白。
图2.1——两字词语出现频次
图2.2——两字词语出现频次
图2.1图2.2 为两字词语，“相思”排名第一，“明主”，“何时”“何处”各出现近40次,看得出来李白对明主的渴望很迫切。不过呢，美酒是排在明主前面的，哈哈，诗仙李白，岂能无酒？
图3——关于月份的频次
图3，写五月的诗远超其他，难道是五月天气好，不冷不热，正适合写诗？
“猿啸千溪合，松风五月寒。他年一携手，摇艇入新安。”
图4——单字出现频次
单字中，出现最多是“不”，接着的“山天云风月”全是风景类词语，诗人李白先说不，其次再观天下景（我做的诗，哈哈）
“安能摧眉折腰事权贵，使我不得开心颜”
图5——来与去的出现频次
来和去基本持平，有来有往。
图6——东南西北方向词出现的频次
“东”和“西”最多，看来日出与日落的方向果然是比较容易让人有感而发。
图7——天与地的出现频次
“天”的出现次数远高于“地”。想不到啥好的解释了。
以上，纯属自己玩玩，分析的可能没那么准确，看看就好~