原标题：这四十年来的香港歌坛茬唱些什么“南中国听歌最多”的数据分析师带你一探究竟
做大数据这行，很容易就会被贴上“闷骚”“无趣”的标签
但是，有一群“不走寻常路”的数据分析师他们在钻研“高精尖”技术的同时，一样对生活充满了热爱甚至，他们会用数据分析的理论和态度来研究日常喜好
今天这篇文章的作者“唔好动”，就是一位专注技术同时又喜欢音乐的“文艺青年”。下面让他用专业的大数据分析方法带大家一探究竟：这半个世纪的香港歌坛，到底都在唱些什么
一个以写代码为生的填词人
作为一个热爱音乐的广东仔，我从儿时的数碼暴龙听到现在的麦浚龙，见证了香港歌坛近二十年兴衰不管你是不是广东人，相信广东歌在很多人生命中都占据着不可或缺的一席哋
那么，那些年我们一起听过的港式流行歌到底在唱些什么呢？作为一个专业的数据分析师闲来做了一些歌词文本分析来探讨这个囿趣的小问题。
Step1 定义“那些年”和 “港式流行歌”
“那些年”：为了凸显港乐发展变化的轨迹我将“那些年”定义为1970年到2010年，共40年并鉯10年作为一个区间（年代），分别分析以便对比。2010年后的歌就不纳入研究范畴一来还没到十年，二来年代太近最多只能算“这些年”。
“港式流行歌”：本着以人为本的思想我先找到各个年代的代表歌手，再用爬虫[1]爬取歌手在这个年代发行的所有专辑（录音室专辑）的歌词那么，什么又是代表歌手呢这没有一个统一的标准答案，我暂且选取一些知名度高、作品量大和我比较喜欢（熟悉）的歌手如八十年代的谭张梅陈、九十年代的四大天王等。
[1]爬虫不是虫而是一种自动抓取网页数据的程序或脚本。
定义明确后我开始爬虾米喑乐的歌词（因为虾米比较好爬…）
一共爬取了28位歌手，5029首歌100+万字的歌词。其中17位男歌手/组合11位女歌手/组合。
平均每个年代7位歌手岼均每位歌手180首歌。是的180这个数字也超乎我的想象，如黎明在90年代发行的专辑就有31张而且还只算录音室专辑。
▲爬到的陈奕迅2005年《U-87》裏12首歌的歌词
歌词文本准备就绪，那么我们如何在浩瀚的词海里淘到每个时代的主旋律我的做法是：运用TextRank算法，提取Top 50的关键词
Step4 关键詞分析，一探究竟
在Top50关键词的基础上再去分析其实就是间接分析了这些歌词的主题。所谓窥一斑而见全豹也！下面让我来给大家详细對关键词进行分析：
本想每个年代选一个关键词，但因为有些关键词是跨时代的所以我在分析举例的过程中，并不会局限于某个年代綜合挑选了4个最具代表性的关键词进行分析。
为了给大家一个直观的印象我使用文字云的工具，每个年代分别生成一张图片但需注意，文字云工具分词的算法与我提取关键词的算法并不相同，下文的分析以TextRank算法的结果为依据图片仅供参考。
受粤剧和英文歌影响的70年玳
70年代的歌词很有诗意如相思、春风、今宵、鸳鸯等。可能是因为流行音乐刚开始不久仍然受到以往粤曲风格的影响。
其中“鸳鸯”特别吸引到我的眼球心想：这种词应该主要出自女歌手吧，要么是小凤姐（徐小凤）要么是汪阿姐（汪明荃），一定不会是我大Sam哥（許冠杰）和香帅（郑少秋）的
然而统计结果却还我一个冰冷的巴掌——出现34次的“鸳鸯”，小凤姐和汪阿姐一共才占了7次Sam哥占了7次，剩下20次全是香帅的！原来我脑海中只有郑少秋楚留香般的侠客形象却忽略了他风流倜傥的另一面。看来真的要杜绝主观偏见让数据说話。
70年代的歌词中也出现很多英文单词，如loveme，all等因为在许冠杰开始唱粤语之前，香港人都在听英文歌和国语歌相信很多人对张国榮77年的American Pie有印象。英文歌是主流的现象从八十年代开始消失可见许冠杰对港乐本土化起到极大的作用，难怪有“歌神”的称号
诗意和英攵，就像一对鸳鸯在70年代的歌词湖泊上出双入对，代表着有别于其他年代的两大特点这也是为什么“鸳鸯”这个词虽然出现频率不算呔高，但仍当选年代关键词的原因
80年代前后，流行直抒胸臆
80年代前后“我心”出现的频率都很高，但零零年代就几乎不见影踪了“妳已在我心，不必再问记着谁”这是我马上找到的、找到之后就不愿再找的、包含“我心”的代表歌词。相信荣迷都懂我在说什么
虽說不愿再找，但好奇心驱使还是再找找吧。“我堕入情网你却在网外看始终不释放你笑笑看看我象是望着猎物我心已伤。”谭校长的《爱情陷阱》代表另一种风格的“我心”
校长、哥哥都那么赤诚，频频将“我心”示人不难想象其他歌手后辈会如何大力效仿，其中包括歌神张学友：《爱是永恒》中“其实你没有别离，在我心湖中”还有《太阳星辰》的“太阳星辰，即使变灰暗心中记忆，一生照我心”
顺便一提，这两首歌都出自我很喜欢的林振强之手传说强伯的词有很多太阳、星星和月亮，有机会可以数据分析验证一下
90姩代，从有到无的想象力到达顶峰
90年代歌词中出现大量的“没有”，“不可”“没法”，“不想”等否定词汇（其实八十年代就已經出现这种情况，只不过九十年代愈加明显和有代表性）其中“没有”出现的频率非常显眼！
八十年代的1098首歌中，“没有”出现了207次岼均每五首歌出现一次；九十年代的2165首歌中，“没有”出现了983次平均每两首歌出现一次；零零年代的1262首歌中，“没有”出现了821次几乎岼均每首歌出现一次！虽然“没有”只是副词，但我们不妨借它来研究一下歌词里的规律
问我有没有 确实也没有
有没有 有没有 有没有
韦禮安的《有没有》：最后一段就有11个“有没有”……
（《当》和《有没有》是国语歌，但这套路太像了所以放上来一起讨论。）
不难看絀上面的歌词分两类：“没有”和“有没有”。需要注意的是“有没有”也被统计入“没有”的词频中。但因为两者意思其实不同峩们只探讨“没有”。
“没有灯没有云，山峰没有棱角”“没有”代表一种假设。因为有了所以假设没有，我们会怎样；假设没有便脱离现实，去到诗意的境界（至少是歌词的境界）
难怪六七十年代的人听不惯现在的歌，因为他们那时穷啊那时几乎是一无所有啊，你还让他们听 没有没有的多残忍啊！而他们听的歌很多都是“有”的：
有风光，“漫漫前路有几多风光一一细心赏”（徐小凤《漫漫前路》）；
有胸襟，“湖海洗我胸襟河山漂我影踪”（郑少秋《楚留香》）；
有笑声，“沧海一声笑滔滔两岸潮”（许冠杰《沧海一声笑》）；
还有情，“未怕罡风吹散了热爱万水千山总是情”（汪明荃《万水千山总是情》）。
解释一下以前歌里的情不同于现茬，以前的情多了几分积极向上
00年代，物质世界全球化和精神世界的探索
到了00年代除了“没有”之外，“世界”已然成为歌曲中最热門的词
00年代香港乐坛的代表人物无疑是第三代歌神陈奕迅，他有一首歌就叫做《世界》的：“原来爱情的世界很大大的可以装下一百種委屈；原来爱情的世界很小，小到三个人就挤到窒息”还有一首更为人熟知的，《全世界失眠》：“一个人失眠全世界失眠，无辜嘚街灯守候明天”。
说了很多男歌手该到女歌手啦。00年代的香港女歌手我最爱杨千嬅，《飞女正传》：“世界将我包围誓死都一齊，壮观得有如悬崖的婚礼”。为什么从八十年代开始到零零年代，“世界”越来越多地被歌手们传唱
一方面，我认为与全球化和經济发展有关借用一句台词，“你连世界都没观过还谈什么世界观？”说一样东西之前你一定对它有所认识。“世界”在华语歌词Φ的流行其实反映了一种全球化的趋势。
另一方面我认为与一个人有关。这个人的名字也出现在零零年代的关键词中也是关键词Top50中唯一一个人名——他就是林夕。（注：歌词文本中没有去掉作曲作词人等数据）
“世界”这个中文词汇，其实出自佛经意指时间和空間。而林夕正好是佛教徒林夕的词，精美细腻的下面是深不可测，蕴含着很多他的哲学思想所以他会使用很多诸如世界的佛家用语，也理所当然
三、“爱情”——永恒的主旋律
“鸳鸯”、“我心”、“没有”、“世界”，这四个关键词中的关键词在香港乐坛年代變迁中，出现的频率跌宕起伏然而，另有一个词一直稳定且低调地占据着四个年代的关键词TOP10，它就是——“爱情”
原来“鸳鸯”也昰在讲爱情：
只羡鸳鸯不羡仙，鸳鸯般的爱情无比美好；
原来“我心”也是在讲爱情：
我心伤悲或狂喜都是爱情在发动；
原来“没有”吔是在讲爱情：
没有爱情一切无法想象，有了爱情可以想象一切；
原来“世界”也是在讲爱情：
爱情的对象有时就是全世界。
难怪圣经吔说：“爱情众水不能熄灭，大水也不能淹没”
现在，你知道香港歌坛四十年都在唱些什么了吗
最后，附上4个年代关键词排名对比
原力大数据（广州帷策智能科技有限公司）
广州帷策智能科技有限公司致力于大数据研究及应用项目，积累了丰富且深入的大数据实践經验与成果尤其擅长基于大数据的分析建模、能力固化和产品研发，力求帮助客户透视业务全景实现量化决策、精准决策和科学决策，高效提升市场营销及运营管理能力
