考研大纲词汇mysql下载_通过R语言统计考研英语(二)单词出现频率
通过R语言统计考研英语(二)单词出现频率
大家对英语考试并不陌生,首先是背单词,就是所谓的高频词汇。厚厚的一本单词,真的看的头大。最近结合自己刚学的R语言,为年底的考研做准备,想统计一下最近考研英语(二)真正单词出现的频率次数。
整体思路:
收集数据-->整理数据-->统计分析-->输出结果
使用工具:
`Rstudio,文本编辑器,CSV`
涉及到的包: "jiebaR"(中文分词引擎),“plyr",
第一步收集数据:
从网络搜索2013-2018考研英语二真题,存成txt格式。
第二步整理数据
针对每个文件进行简单整理,去除不必要的文字。 例如:”2017年全国硕士研究生入学统一考试英语“、”答案 “,或者乱码之类。手工完成。
第三步:统计分析
3.1 打开R语言,安装所需要的包
install.packages("jiebaRD") #安装jiebaR之前先安装"jiebaRD"
install.packages("jiebaR")
install.packages("plyr")-- 加载包--library(jiebaRD)
library(jiebaR)
library(plyr)
search()#查看已经安装的包
search() [1] ".GlobalEnv" "package:xlsx"[3] "package:xlsxjars" "package:rJava"[5] "package:wordcloud" "package:RColorBrewer" [7] "package:plyr" "package:jiebaR"[9] "package:jiebaRD" "tools:rstudio"[11] "package:stats" "package:graphics"[13] "package:grDevices" "package:utils"[15] "package:datasets" "package:methods"[17] "Autoloads" "package:base"
3.2加载文件,分析
setwd("d:/R") #设置文件所在根目录
--加载文件
test_file_2018
test_file_2017
test_file_2016
test_file_2015
test_file_2014
test_file_2013
test_file
test_file
cutter=worker() #设置分词引擎
segWords
--设置停顿词这里其实就是过滤词,一行一个单词,有些自认为很简单的词,比如:选项里 a,b,c,d,the,and,an 等等,或者先过滤这一步,等到统计频率出来,在根据需求一一添加即可。在相同的目录建一个文件"stopword.txt"f
stopwords
{
stopwords[i]
}
segWords
segWords ? @ [ \ ] ^ _ ` { | } ~”
tableWord
view(tableWord)
停顿词示例stopword.txt:
第四步、输出结果
write.csv(tableWord,"tableWord.csv",fileEncoding = "UTF-8")#处出结果存为tableWord.csv 文件。
参考来源:https://blog.csdn.net/zx403413599/article/details/46730801
考研大纲词汇mysql下载_通过R语言统计考研英语(二)单词出现频率相关推荐
- r语言 清空mysql表_用R语言做数据清理(详细教程)
数据的清理 如同列夫托尔斯泰所说的那样:"幸福的家庭都是相似的,不幸的家庭各有各的不幸",糟糕的恶心的数据各有各的糟糕之处,好的数据集都是相似的.一份好的,干净而整洁的数据至少包括 ...
- c语言程序设计考研大纲,沈阳建筑大学2018年C语言程序设计考研初试大纲
2018年硕士研究生考试初试C语言程序设计科目考试大纲 一.考查目标 1. 了解程序设计.算法等概念,掌握结构化程序设计的要求以及顺序.分支和循环三种基本结构; 2. 了解C语言源程序的基本构成.熟练 ...
- r语言平均值显著性检验_最全的R语言统计检验方法_数据挖掘中R语言的运用
最全的R语言统计检验方法_数据挖掘中R语言的运用 统计检验是将抽样结果和抽样分布相对照而作出判断的工作.主要分5个步骤:建立假设 求抽样分布 选择显著性水平和否定域 计算检验统计量 判定 假设检验(h ...
- R语言统计代码运行耗时实战:计算代码运行时间、使用proc.time函数计算代码运行时间
R语言统计代码运行耗时实战:计算代码运行时间.使用proc.time函数计算代码运行时间 目录
- R语言ggplot2可视化绘制二维的密度图:在R中建立二维散点数据的连续密度热图、2D密度估计、MASS包中的kde2d函数实现2D密度估计、geom_density2d函数可视化二维密度图
R语言ggplot2可视化绘制二维的密度图:在R中建立二维散点数据的连续密度热图.2D密度估计.MASS包中的kde2d函数实现2D密度估计.geom_density2d函数可视化二维密度图 目录
- R语言统计方法-我常用的
R语言统计方法-我常用的 文章目录 R语言统计方法-我常用的 一.数据与R 二.数据的描述统计量 三.方差分析 一.数据与R ①直接录入数据 names<-c(列名) data<-c() ...
- R语言glm函数构建二分类logistic回归模型、epiDisplay包logistic.display函数获取模型汇总统计信息(自变量初始和调整后的优势比及置信区间,回归系数的Wald检验的p值
R语言glm函数构建二分类logistic回归模型(family参数为binomial).使用epiDisplay包logistic.display函数获取模型汇总统计信息(自变量初始和调整后的优势比 ...
- 【R语言文本挖掘】:分析单词和文档频率——TF-IDF
[R语言文本挖掘]:分析单词和文档频率--TF-IDF
- R语言统计—多重比较(1)
在我们实际数据分析中,通常会碰到两组以上定量数据的比较,对于这种需求我们不能再进行t检验,因为这样会增加一类错误的概率. t检验每次只能进行两组之间的比较,每次比较时犯一类错误的概率为α(0.05), ...
最新文章
- 用python下载文件的若干种方法汇总
- Linux下搜索文件常用方法
- Google MapReduce到底解决什么问题?
- 软件测试功能测试都有哪一些,【软件测试基础】功能测试常用方法都有哪些
- neo4jd3的使用流程(转载)
- Minor【 PHP框架】1.简介
- [Todo] 乐观悲观锁,自旋互斥锁等等
- 国产5G手机先行!英特尔5G调制解调器芯片2020年才上市
- linux oracle异常处理,Oracle SQL 异常处理
- TensorFlow windows安装
- 开发人员的U盘,最好是128G
- 如何解决您的虚拟主机中有文件触发了安全防护报警规则,可能存在webshell网页木马...
- 解决eclipse在编辑时字体变成繁体字的问题
- 运营小技能:订阅号文章排版教程(添加图片超链接、推文采集、往期推荐)
- 搜狗推送接口-搜狗推送口子
- [走过的路]联想时光——人艰不拆(店长篇)
- php 生成思维导图,JavaScript如何生成思维导图(mindmap)
- windows系统下怎么把图片变为ico格式?
- 每日启程——2019.12.11日(草木有本心,何求美人折)
- 连接字符串的几种方式
热门文章
- Arm 进击自定义指令集,成立自动驾驶计算联盟!
- 微信版花呗将上线;苹果在华支持以旧换新;谷歌推出 Flutter1.9 | 极客头条
- @程序员,如何用最少的字节编写 C64 可执行文件?
- 《复联》里的黑科技距离现实有多近?
- 终于有人把 5G 和边缘计算的关系说清楚了! | 技术头条
- 动辄年薪 25 万只是白菜价的人工智能黄了?
- Github 平均 Star 为 3558 的机器学习开源项目,你错过了哪些?
- 如何化身BAT面试收割机?不愧是大佬
- java objective-c_Objective-C基础教程学习笔记(附录)从Java转向Objective-C
- 冒泡排序java jsp_冒泡排序实现原理