EDA中歌曲小星星代码

在数据探索（Exploratory Data Analysis，简称EDA）中，"小星星"（Twinkle, Twinkle, Little Star）通常指的是将这首歌曲作为文本数据进行分析的一个案例，特别是在处理文本分类、情感分析或自然语言处理任务时，可能会用它作为简单的数据集来演示基本的方法。

例如，如果你在进行文本分析，可能的代码步骤如下：

import pandas as pd
import nltk
from sklearn.feature_extraction.text import CountVectorizer

# 假设有一个包含歌词的DataFrame，如songs_df
songs_df = pd.DataFrame({'song': ['Twinkle, twinkle, little star', ...]})

# 分词和预处理
nltk.download('punkt')  # 如果还没有下载nltk的punkt分词器
tokens = songs_df['song'].apply(nltk.word_tokenize)

# 创建词频矩阵
vectorizer = CountVectorizer()
bow_matrix = vectorizer.fit_transform(tokens)

# 查看前几个单词及其频率
most_common_words = vectorizer.get_feature_names_out().前10
word_counts = bow_matrix.toarray()[:, :10]

print(f"Top 10 words in the dataset: {most_common_words}")