单词分析 词频分析 考研英语 四六级 清洗单词
对于分析各种单词数据，该项目可自动进行单词的数据清洗。包括：
去除非英文内容去除各种符号单词词元化其中【词元化】词元是同一个单词所有形态变化的代表形。它包括：
名词、否定式等转换为单数形式、肯定式等。动词共轭形式转原型。如：现在分词->原形，过去式->原形等等。【注】: 如有需要分析的数据欢迎提issue，寻求分析时请提供数据文件。如:xx年试题等。
环境python: 3.6及以下版本pattern：conda install pattern 或 pip install patternmatplotlib
使用数据清洗在 dataCleaning.py 同级目录下新建文件夹 data/raw ， 将待分析的文本放入。随后调用：
import dataCleaning as cleaner cleaner.clean()完成后，生成文件夹：
数据清洗完毕，完成后的文件位于 data/accomplish ， 可通过实例化 Vocab 类读取。
载入分析调用 Vocabs 类， 可根据集合或uri路径载入分析，生成词频。之后可求差集，并集，交集等操作。
# 基本使用 name 集合名 data 数据集,可以是元组字典集合等 uri 文件资源地址，优先级在data之前 vocabs = Vocabs(name, data, uri)# 实例属性 vocabs.vocab_dict 词频字典 vocabs.size 字典key的数量# 封装方法 返回一个交集set vocabs.intersection(Vocab)# 工具方法 返回基于data/accomplish文件夹下所有txt实例化的vocab对象的list # analysis.get_all_vocabs()绘制图像painter 模块提供了封装的折线图绘制等方法，允许一个子图绘制多条曲线。
# 函数原型 # data[] 数据集的list，里面每一项是个字典, key依次为x, y, label(可空), 分别为x轴内容，y轴内容，该条线的标签 # 举例 data[{'x':[1,2],'y':[1,2],label='折线1'}, {'x':[1,2],'y':[1,2],label='折线2'} ] # 绘制多条线在一张图内时label最好不要省略 # x_label, y_label x，y轴的名字 f_name保存的文件名以及图title, 会用'-'分割，分割出的数组的最后一个元素作为title # save 是否保存， img_size 图像大小， font_size 字体大小， x_gap x轴间隔，即步长 line_chart(data=[], x_label=[], y_label=[], f_name='', save=True, img_size=(8, 6), font_size=16, x_gap=1)样例结果
