英文各字母使用頻率？

01-07

並沒有查到比較可靠的說法，於是就有了此文

統計工具是Mathematica,版本號如下：

In[32]:= $Version Out[32]= 10.2.0 for Microsoft Windows (64-bit) (August 30, 2015)

首先統計一下單詞里各字母出現的頻次：

代碼為

word = DictionaryLookup[{"English", "*"}]; word // StringJoin // CharacterCounts[#, IgnoreCase -&> True] // KeySelect[#, MemberQ[Alphabet[], #] ] // Sort

輸出為

&<|"q" -&> 1448, "j" -&> 1630, "x" -&> 2108, "z" -&> 3410, "w" -&> 7062, "k" -&> 7550, "v" -&> 7900, "f" -&> 10556, "y" -&> 12457, "b" -&> 15303, "h" -&> 18143, "m" -&> 21179, "p" -&> 21777, "g" -&> 23047, "u" -&> 25806, "d" -&> 29423, "c" -&> 31145, "l" -&> 41195, "o" -&> 47311, "t" -&> 51649, "n" -&> 55550, "r" -&> 56424, "a" -&> 60670, "i" -&> 67014, "s" -&> 67506, "e" -&> 88677|&>

我一共統計了92518個單詞

In[58]:= word//Length Out[58]= 92518

實際上我已經結結果排序了，如果不怎麼明顯，下面對輸出可視化，代碼為：

BarChart[%45, ChartLabels -&> Placed[Keys[%45] // Style[#, 20, Red] /@ # , Above], ChartElementFunction -&> "GlassRectangle", ChartStyle -&> "Pastel"]

其次，我們統計一下字母在文本而不是單純的單詞里出來的頻次，剛好我電腦還有30本英語書像

《傲慢與偏見》
《特種起源》
《哈姆雷特》
......

等書都在此行列

下面對書里的字母進行統計，代碼如下：

article = ExampleData["Text"] // DeleteCases[#, _?(StringStartsQ[#[[2]], "UNHuman"] || StringStartsQ[#[[1]], "UNHuman"] )] ; ExampleData /@ article // StringJoin // CharacterCounts[#, IgnoreCase -&> True] // KeySelect[#, MemberQ[Alphabet[], #] ] // Sort

輸入為

&<|"z" -&> 7245, "x" -&> 9035, "j" -&> 9832, "k" -&> 22555, "q" -&> 28229, "v" -&> 54123, "b" -&> 78559, "y" -&> 80146, "w" -&> 83521, "p" -&> 85932, "g" -&> 89714, "f" -&> 103637, "c" -&> 141395, "m" -&> 142086, "u" -&> 180938, "l" -&> 213195, "d" -&> 220495, "h" -&> 259633, "r" -&> 311530, "i" -&> 334106, "s" -&> 347518, "n" -&> 350170, "o" -&> 373375, "t" -&> 401900, "a" -&> 433797, "e" -&> 651220|&>

同上面一樣對輸入進行可視化，代碼為：

BarChart[%24, ChartLabels -&> Placed[Keys[%24] // Style[#, 20, Red] /@ # , Above], ChartElementFunction -&> "GlassRectangle", ChartStyle -&> "Pastel"]

其實我們可以看到，無論對單詞里的字母，還是文章里的字母，次序都差不多，不敢說是確切的結論，不過作為參考，希望對你有幫助。