粤港澳大湾区规划中的城市关键词

发表于 更新于 分类于 阅读次数： 阅读次数：

粤港澳大湾区的提法提了一年多，最终出来了一个规划，市场反映热烈，其实这个规划与以往最为不同的，是在于将香港、澳门和内地城市放到一起进行规划。

粤港澳大湾区规划的特征如何，不同城市的重要性，至少是在规划中的重要性有什么差异，通过分词可以提供一个量化的视角。本文的分词分成以下两步骤：1）在规划文本中选取涉及某个城市的句子，由于自贸区在近几年推进改革开放有重要意义，也是大湾区改革方面的核心，因此广州、深圳、珠海的统计加上南沙、前海、横琴的数据。2）对选出的句子按城市分组，每一组句子不重复，但不同组之间句子存在重复，再进行分词。分词前加入部分本规划常出现的专用词，分词后删去停用词，包括一些规划中经常有到的推进、支持、探索，然后按城市分组统计分词情况，统计词频并输出词云。

城市 次数（句子） 次数（词）
香港 76 94
澳门 70 85
深圳 40 35
广州 38 40
珠海 31 19
佛山 9 8
中山 8 7
东莞 7 7
江门 7 6
惠州 6 5
肇庆 5 4
  • 从各城市提及的次数上看，香港、澳门涉及句子均超过70，远超过第三名的40，如果从词语提到的次数上，频率均在第三名的2倍以上，其实还有很多“港澳”这样的字眼，可以看到，港澳两地的地位确实十分特殊。
  • 规划中提到了4个中心城市，规划中略有差异，除了香港、澳门提及次数远远高于其他，另外就是珠海，广州、深圳、珠海涉及句子都在30-40之间，但是提及珠海次数只有19次，仅为广州、深圳的一半，主要是相当部分涉及珠海的内容直接提交横琴，一方面是自贸区的特殊地位，另一方面珠海的定位与澳门紧密关联。
  • 实际上还有一处有意思的地方，各城市按句子统计提及次数的排序和按词语统计基本一致，唯一不同的一处在于深圳和广州，提及深圳的句子对于广州，但是“广州”一词出现次数更多。

香港
澳门
广州
深圳
珠海
佛山
东莞
中山
惠州
江门
肇庆

  • 总体上看，规划有两个方面的特点，一是主要词语是地名，并且多数地区存在联系，二是十分强调创新，显示的前20个关键词中，几乎都出现创新，唯一的例外是佛山，但提到转型。
  • 如前所述，香港、澳门是规划的重点，经常同时提起，澳门组中第二是香港，香港组中第二是澳门。其他地域的联系上，香港强调深圳、广州、国际，澳门涉及横琴、深圳、广州、葡语，经济领域香港提及基金、服务、投资等金融、服务业，澳门提及旅游、服务。
  • 广州和深圳在定位上存在错位，但从关键词上看，似乎有许多接近的地方。与广州联系的地域，主要是深圳、香港、南沙，还部分涉及澳门和珠海，深圳则是广州、香港、前海，也涉及澳门和珠海，并提到深港，除了各自的自贸区，几乎一致。其他方面，两地都提到了青年、创业、机场、国际。
  • 珠海也颇有些特点，提及横琴的次数（22）多于珠海（19），相关的地域依次是横琴、澳门、广州、深圳，尽管有港珠澳大桥，似乎提及香港的不多，提到了港澳。其他词语中，提到机动车、口岸，主要还是与港澳的融合、往来的便利化方面。
  • 佛山和东莞。佛山比较特别的地方在于提到较多的词语都是地名，前9个词语中7个是地名，从第二名开始分别是香港、东莞、珠海、深圳、澳门、广州，除了城市间的联系，更多是政策安排上与其他地区相同。东莞处于广州深圳之间，经济规模也接近佛山，远高于其他城市，但从词云上看，和中山、惠州、江门几乎一致。
  • 肇庆。肇庆提及的次数最少，仅有5次，其经济实力于大湾区中也是最后一位，提及肇庆的句子中，广州和铁路出现的次数最多，肇庆主要以从属的地位出现。关键词中也有一些很是特别，除了前面的铁路，还出现了仅有的一个农产品。
  • 其他4个城市。其他4个城市除了各自城市名称在词云中重要性有所不同，主要词语几乎是一致的，港澳、青年、创新、创业、基地。因为“支持港澳青年和中小微企业在内地发展，将符合条件的港澳创业者纳入当地创业补贴扶持范围”一句提及多个港澳青年创新/创业基地。

前文分析了从规划文本关键词的视角对大湾区规划的理解，尤其是对各城市特点差异的理解。但总体来看，这种方法在衡量城市的重要性更为有效，衡量城市特征可能存在一定缺陷。城市分组的词频统计中，多次出现其他城市，可能是两个城市之间往来密切，规划中统一安排以达到融合发展，但也可能是两者具有某些相同特征，共享一项政策（比如惠州和肇庆）。此外，对于提及次数较少的城市，难以从词频统计获取特征信息，东莞、中山、惠州、江门最主要词语几乎都是一致的，只是来自同一句话，描述差异性的语句反倒在词频统计中不明显。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
import docx
dmt=docx.Document('plan.docx')

def txtseg(docmt,keyword1,keyword2=''):
    list1=[]
    list2=[]
    list3=[]
    
    for para in docmt.paragraphs:
        a=para.text.find(keyword1)
        if len(keyword2)>0:
            b=para.text.find(keyword2)
        else:
            b=0        
        if a>0:
            list1.append(para.text)
        if (a>0)|(b>0):
            list2.append(para.text)
    for para in list2:
        sp=para.split('。')
        for i in sp:
            c1=i.find(keyword1)
            if len(keyword2)>0:
                c2=i.find(keyword2)
            else:
                c2=0
            if (c1>0)|(c2>0):
                list3.append(i)
                
    return list1,list2,list3

keylist1=[u'广州',u'深圳',u'珠海',u'香港',u'澳门',u'佛山',u'东莞',u'中山',u'惠州',u'江门',u'肇庆']
keylist2=[u'南沙',u'前海',u'横琴']

reslist=[]
streslist=[]
for i in range(11):
    if i<3:
        res=txtseg(dmt,keylist1[i],keylist2[i])
    else:
        res=txtseg(dmt,keylist1[i])
    reslist.append(res[1])
    streslist.append(res[2])

datalist=[]
for i in range(11):
    city=keylist1[i]
    mention_st=len(streslist[i])
    dic={'city':city,'mt_st':mention_st}
    datalist.append(dic)

import jieba
import pandas as pd
from collections import Counter

Alist=[u'粤港澳大湾区',u'大湾区',u'湾区',u'前海']
for word in Alist:
    jieba.add_word(word)

from string import punctuation
add_punc='，。、【 】 “”：；（）《》‘’{}？！⑦()、%^>℃：.”“^-——=&#@￥'
stopword1=punctuation+add_punc
stopword2=[u'的',u'等',u'和',u'发展',u'支持',u'在',u'－',u'推进',u'为',u'至',u'提升',u'研究',u'加快',u'探索',u'与',u'新',u'作用',u'增强',u'以',u'进一步',u'促进',u'及',u'具有',u'加强',u'开展',u'实施',u'并',u'到',u'更',u'形成',u'中']

def cityst2word(stlist):
    wordlist=[]
    for i in stlist:
        tm=jieba.cut(i)
        st_word=[]
        for i in tm:
            if i not in stopword1:
                if i not in stopword2:
                    st_word.append(i)
        wordlist.extend(st_word)
    Cdf=Counter(wordlist)
    df=pd.DataFrame.from_dict(Cdf,orient='index',columns=['times'])
    return df,wordlist

dflist=[]
for i in range(11):
    st=cityst2word(streslist[i])
    filename='output'+str(i)+'.xls'
    stmp=st[0].sort_values(['times'],ascending=False)
    dflist.append(stmp)
    #stmp.to_excel(filename)

for i in range(11):
    datalist[i]['mt_wd']=dflist[i]['times'][keylist1[i]]

maindf=pd.DataFrame(datalist)
maindf=maindf.sort_values('mt_st',ascending=False)
#maindf.to_excel('mainres.xls')

import wordcloud as wc
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

font=r"C:\WINDOWS\Fonts\simhei.ttf"
color_mask=np.array(Image.open('map.jpg'))
cloud=wc.WordCloud( font_path=font,
           background_color='white', 
           max_words=20,
           color_func=lambda *args, **kwargs:  (99,162,215),
           mask=color_mask,
           max_font_size=180,
           random_state=30)

for i in range(11):
    dic=dflist[i].iloc[:20].to_dict()['times']
    picname=datalist[i]['city']+'.jpg'
    cloud.generate_from_frequencies(dic)
    plt.imshow(cloud)
    plt.axis('off')
    plt.savefig(picname)