仔细瞧瞧十二星座运程预测里那些似是而非、模糊不清的话语吧，难道你不会偶尔觉得其实每个星座的预测说得都是一回事吗？一个叫做information is beautiful的网站就将这种怀疑进行到底，搜集了流行的星座预测站点 Yahoo Shine 上诸多相关词条进行分析，试图用数据反驳那些不靠谱的星座预测。
上图是他们的成果之一，你会发现每个星座预测里面的高频词大多是相互覆盖的，而各个星座特有的高频词却只占很小部分（如图上红色字体所示）。这个结果自身是否靠谱呢？下面就来看看这些数据达人们的分析过程吧。
第一步：屏幕抓词
首先当然是从雅虎上获取这些星座预测的词条。复制粘贴是不可取的，于是他们找到Python编程达人Thomas，让他写了个屏幕抓取的脚本，从Yahoo Shine上有效率地获得了22,186个词条并导入到一个巨大的电子表格中。
当然事情进展也不如想象中顺利，像雅虎这样的大网站自然有自己的保护措施——如果同一IP太过频繁访问服务器，那么就会被认为是黑客，他的IP就会被封掉一段时间。当把握好这个“限速”的尺度后，他们很顺利地在12小时获得了所需要的原始数据，共9.5MB。
虽然这些数据不能全部公开，但是 Python脚本 却可以参考，你可以去看看他们编写的测试程序。
第二步：数据过滤
由于每个星座的预测都分为很多方面——职业、感情、每日运程等等，由于考虑到特定方面的运程分析会大量提到诸如“work”、“career”、“marriage”等词汇，所以为了方便，他们决定过滤其他分类，只分析关于每日运程的星座预测，共4,380个单词，平均下来就是每个星座365个单词。
第三步：文本分析
他们利用线上工具TagCrowd在这个文本库里寻找高频单词。首先分别找出每个星座词条里出现频率最高的50个单词，再从中挑选出每个星座独有的那些词汇，结果如下图所示。当然他们注意了要去掉那些如“and”、“for”、“is”等无意义的常见单词和“someone”、“really”、“quite”等语义量词。
最终结论就是，在十二星座预测的词汇里，各自之间90%以上是相同的。所以，所谓的星座预测其实说得都差不多，相同的一些高频词汇拼拼凑凑成模糊不清的话语，再加之读者的对号入座就成了各自超准的预测。这帮人公布了他们所掌握的数据和整个分析过程，如果你有兴趣也可以自己分析试试，详细请看 这里 。