我分析了42万字的歌词，为了搞清楚民谣歌手们在唱些什么丨数据工匠简报（Feb. 13）

我分析了42万字的歌词，为了搞清楚民谣歌手们在唱些什么

听了这么多年民谣，我有一种感觉，就是很多歌都似曾相识，但是仔细一想，又哪一首都想不起来，为了搞清楚这群流浪在祖国大地的现代游吟诗人们都在唱些什么，我做了一些数据分析的工作。

我选取了大约30个或比较大众，或比较小众的民谣歌手和乐队，包括李志，夭十三，赵雷，宋冬野，周云蓬，逃跑计划等等，为了设立参照，我还取了一些其他风格的乐队，比如老一些的汪峰，窦唯，朴树和新一些的低苦艾，谢天笑，反光镜，草东等等。

我首先写了一个爬虫，它可以根据歌手或乐队的名字来自动抓取这个歌手的所有歌，为了保证平衡，我最多只抓取前50首歌，老实说，大多数歌手被人熟知的歌并不会超过这个数字。

德州扑克被 AI 攻克的背后：一个产业的危机和几个人的 20 年

世界上最好的职业扑克选手中的 4 位在一月的时候在匹兹堡参加了一项比赛，然而他们输了。他们每天早上 11 点出现在电脑前，穿着运动裤和球鞋，玩的是 1500 手的一对一无限下注德州扑克，然后一直玩到晚上，这意味着他们每天的比赛时间超过 10 个小时。在一天的过程中，咖啡和水瓶都堆放在玩家的键盘旁边，而吃的 Chipotle 袋子则散落一地。

每当这些玩家发出一个动作，它就会被传送到位于 5 英里外的卡内基梅隆大学处的计算机服务器上。在那里，一个信号将再旅行 12 英里到他们的对手――一个名为 Libratus 的软件处，它运行在位于郊区的匹兹堡超级计算中心。Libratus 一次发出 8 个动作――每个对手应对两个。它刻意把自己的速率降低，这让它的人类对手们有点蛋疼，其中一位 Jason Les 表示：「这让一天的时间变得更长了」。在 Les 这位运动男看来，「等待确实不应该影响我，但有时就像是，『好吧，这还有完没完了？』」

GraphLab Create API 中文文档 - 数据工程 - graphlab.SFrame

一个列数可变的表格型数据框架对象，可以适应大数据。SFrame中的数据在GraphLabServer 中以列优先的方式存储，并且存储在持久性存储媒介（例如磁盘）中，避免了被内存大小所限制。SFrame中的每一列都是一个大小不可变的SArray，但是SFrame可以通过增加或者减少列来轻松地改变。一个SFrame基本上表现为SArray的一个有序dict。

目前，我们支持从下列方式建立SFrame。

csv 文件 （逗号分隔值） sframe存档路径 （一个已经保存了SFrame的路径。） 普通文本文件（解析CSV选项，参见read_csv()） 一个python词典类 pandas.DataFrame JSON Apache Avro PySpark RDD

以及下列数据来源：

你的本地文件系统 GraphLab Server文件系统 HDFS Amazon S3 HTTP(S)

下面仅给出了基本的示例。更多的信息和示例，请参考用户手册,API Translator,How-Tos, 和 数据科学Gallery。

以上简讯由数据工匠提供，感兴趣的小伙伴可以通过扫描简报后的二维码链接原文，更多数据科学资讯尽在数据工匠，扫码关注 Datartisan 数据工匠公众号！如果你看到什么与“数据科学”有关的好文或者信息科技优质的文章，可以随手转发给我们，让更多热爱数据科学的小伙伴一起成长！