公考之申论话题分析——基于词云和主题聚类

随着疫情这么一闹，本就热门的公考定然比以往更大势。诶，我写数据分析提这个干啥？两者还能有什么关系不成。嘿，还真有。
之前写过一篇关于2020年国考的岗位分析文章，重点在于多条件筛选和岗位分布分析，复习可戳。这里就聊另一个关于考试内容的话题：申论，以文本挖掘的方式来分析历年的话题重点。

这是一个整理了一些申论范文的网站，从这个地方爬下全部数据作为这次分析的素材。

清洗后如表所示：1542条数据，3个字段，上传时间从2012年到2020年，每年的数据数分别为：240、 250 、244、 275、216、97、 92、114、15。

1.词云分析
除了数据量较少的2020年，从2019到2012每年可绘制一个词云图（下面分别对应2019、2018、2017、2016和2015）
从图中可以发现：发展是每一年的必有之义；乡村与发展是18年、19年的重要提法；文化与发展是15-17年的关键内容；从15年到17年，有一个发展渐进，文化式微，两者平衡的过程；从17年到18年，有一个从城市到农村的重点转移；经济的直接提法从15年过后就很