现在是考试季吧,风华正茂的青年才俊们应该已经在图书馆占好了座位,开始备战 12 月份的英语四六级考试了吧!想当年,pk 哥四级考试前也在图书馆待了一阵子,后来四级考了 450 分惊险过关,六级考试第一次考了 400 分没过,第二次准备去考时找不到准考证,考完第二天才发现夹在了纸质的笔记本里,大写的尷尬啊,后来也就不了了之。我们知道,四六级考试中,单词的词汇量是重点,阅读时如果单词都不认识的话,影响我们对语句的理解,这样也会降低答题的正确率。
怎么去高效的记单词也是一件头疼的事情,可能今天记住了,明天又忘了。
今天我用 Python 分析了最近 10 年的四六级考试的真题,把里面的单词进行统计,按照降序排序,并做成可视化的图形。
项目环境
语言:Python 3
编辑器:Pycharm
我从网上下载了最近 10 年的四六级考试的真题,都为纯文本 txt 格式的文件。我先把四六级真题单独建了文件夹保存。
合并文本
以四级真题为例,为了便于统计,我先把近 10 年所有的纯文本真题合并成一个纯文本文件。遍历读取给定路径下的所有文件的内容,保存到新文本中。
单词统计
再对合并的文本中的词汇进行统计。这里我用列表生成式处理掉不是英文的字符,并剔除掉 1 个 或者 2 个英文字母组成的单词,因为这些是一些量词和常见的连接词。我还把一些非常常见的单词也给去掉了。通过 sorted 对单词进行排序。
四级真题单词统计结果按单词出现次数降序排列后保存在新的纯文本文件中。
可视化图形
然后把这些统计结果生成可视化的图表。关于生成可视化图形,之前有一篇文章专门讲过,没