III-I 民科吧大数据（词频）分析

这几天本萌爬虫了民科吧......总共爬到了数百万字的文本（扣除停用词后总词频数90万），对这些文本做了词频分析。根据这些数据我们就可以给民科吧中的一些问题排个12345啦

第一个问题：民科们都在研究什么

抓取关键词第一件事当然是方词云图啦，一看民科吧就是个正经的民科贴吧......是吧......

其中TOP10高频词依次为：民科、理论、运动、物质、宇宙、科学、速度、物体、时间、粒子。

本萌从TOP100高频词（总词频194526）中提取了一些有明显学科特色的，列举如下：

物理类：一共21个词，总词频55173，词频占比28.4%，远超任何其他领域

关键词	词频排序	词频
运动	3	5765
物质	4	5710
速度	7	3999
时间	9	3850
粒子	10	3824
能量	11	3787
空间	14	3351
相对论	16	3126
质量	18	2868
电子	20	2600
光速	23	2466
时空	27	2197
引力	34	1953
光子	36	1779
磁场	58	1293
原子	59	1272
量子	60	1258
相对性	76	1086
万有引力	85	1009
运动力	86	1000
静止	87	980

因此，毫无悬念，民科吧里的民科以研究物理的居多。

第二个问题：那个民科最火

同样我们提取了民科的名字（ID）在全文中被提及的词频，结果如下（*通配符，少于10次的不统计）：

姓名/ID	总词频	关键词1	关键词2	关键词3	No.
雷绍武	1538	雷老师 773	雷绍武 697	雷老* 68	1
三江方士	1445	三江 1227	三江方士	218	2
王为民	1098	王为民 1098			3
段贤香	1088	段贤香 61	香香* 975	咸翔 52	4
郭德强	697	郭德强 521	郭峰君 91	强子 85	5
李三清	444	三清 444			6
灵魂保卫者	357	灵魂 357			7
郭德胜	325	郭德胜 278	胜胜 47		8
刘武青	305	刘武青 305			9
王东辉	162	王东辉 74	东辉 88		10

第三个问题：最火官科

在民科吧提及次数最多的官科想必大家都知道是谁了......

No.1 爱因斯坦，词频1591

紧随其后的是：

No.2 牛顿 1556

之后就逊色多了，依次是：

伽利略（616），洛伦兹（612），普朗克（305），麦克斯韦（231）

另外，上帝出现了455次......

还有，零度君出现了317次，绮梦璇只出现了44次（不开心）

第四个问题：最火的科学问题

这个从云图上就能看出来，相对论以词频数3126毫无悬念的位居第一，其他的民科热门问题有：

量子力学（608），永动机（446），衍射（256），四色定理（167），进化论（165），哥德巴赫猜想（163），三等分角（74）

其他有趣的数据：

“错误”出现了2570次，“推翻”出现了602次，“官科”出现了1578次，“教科书”237次，“课本”225次，“科奴”227次......

此外“中科院”出现了190次，“教授”486次，“专家”334次

雷绍武带来的流行语“正确的”出现了1013次。