甄嬛传的统计理解② | 平均每两分钟就会出现三声皇上

下期预告：集中量数（平均数、众数与中数）

各位同学，大家好，我是超越老师。

本文包含知识点：①统计表②统计图

本文的数据来源，是我将甄嬛传全集（共计76集）的台词提取出后，进行分析的结果。全部台词总计506379个字。首先导入Nvivo进行了词频分析，全剧中提及最多的词是“皇上”，共计出现4432次。

其次是“娘娘”，共计出现2743次。排第三位的是“皇后”，共计出现1192次。后续分析还使用Excel与SPSS作为工具。

下图为对全部台词分析后，词频排名前100的词汇所形成的词云图

一，统计表

既然皇上如此重要，我们就对“皇上”词频进行进一步分析。

图1为简单次数分布表，“皇上”词频数出现的次数。同学们明显可以看出，图片被拉的很长，杂乱无序，很难识别有效信息，所以，简单次数分布表只适用于当分布范围较小时使用。

于是为了更简要的表达，我们需要对皇上词频数进行分组，然后再以列表的形式呈现，即分组次数分布表。根据步骤进行操作。

①求全距，就是最大数和最小数之间的差距。最多的一次是121次，最少的一次是5次。全距为116。

②决定组距和组数。这里可以根据情况，自行决定。为了便于计算，将其分为4组，即组数为4，组距为29。

③列出分组区间。那么就有表述上下限（5-33，34-62，63-91,92-121）。

精确上下限为，以第一组为例，即为（4.5-33.499）。后面三组同理。精确上下限更多具有理论意义，无现实意义。例如，不可能会出现一集台词中有4.5次皇上的词频。

但理论上必须要用精确上下限。因为现实中即便不存在中间的小数点，但理论上必须表明这些位置区间。

④登记次数：将数据登记到相应的组别内。

计算次数：计算各组次数和总次数并核对，然后写出组中值、次数（频数）和百分数

然后再把相对频率、累积频次与累积频率加入表格中，就形成了一个累加次数分布表。如图2所示。

如此，我们便很清晰地看出，皇上词频数共有76个数据（因为有76集），占比最多的是46.1%的（34-62）这一组。也可以通过累加频次与累加频率直接看出，有57集，占全集数88.2%，皇上词频数低于91次。

二，统计图

什么？你觉得表格难看？那我们换成图试试。

直方图：

饼图：

注：1、2、3、4分别对应上述组1、组2、组3、组4。下同。

条形图：

现在对于条形图与直方图的区别，可以一目了然。

①描述的数据类型不同。条形图描述称名数据，而直方图描述分组的连续性数据；

②表示数据多少的方式不同。条形图用直条长短表示，而直方图用用面积表示数据多少；

③坐标上的标尺分点意义不同。条形图的一个坐标轴是分类轴，而直方图的一个坐标轴上表示的是另一个刻度值；

④图形直观形状不同。条形图之间有间隔，直条与直条之间的间隔大小没有任何关系，不表示任何意义。而直方图各个直方块之间紧密相连，没有间隔。

散点图：

这里需要引入第二个数据，因为散点图是用来描述两个数据之间的关系的。于是我们加入【集数】这个数据列。很明显可以看出，毫无关系。

折线图：

其实就是把上面这些点连起来。用来表示趋势。虽然在散点图我们啥也没看出来，但是到了折线图这里，我们就很明显的看到，皇上词频数是随着集数忽高忽低的，也反映了甄嬛传在叙事的时候，要么围着皇帝转，要么围着别人转。

有趣的是，在43-50集左右时，尤其是第48集，出现了历史最低值。至于为啥，想必都清楚吧，哈哈哈。

通过本次研究发现，“皇上”一词是甄嬛传台词中出现最多的词汇。不愧是真龙天子，整个皇宫的人都在围着他转。

但是想想，一共76集的剧情里，每集40分钟，平均每分钟出现1.46次。也就是说，每2分钟，就会被提及3次。关键是，这还不知道每次被提，到底是好事还是坏事呢。

——本文图片来源于电视剧《甄嬛传》，侵删

-今日互动-

你看剧的时候数“皇上”的数量了没？

勤思集训：|

勤思网课：| | | | | | | | | | |

勤思资料：| | |

勤思服务：||| | | |

免费课程：|| |