又双叒叕——汉字的堆叠¶

In [ ]:

from google.colab import drive
drive.mount('/content/drive')
work_dir = '/content/drive/MyDrive/Colab Notebooks/colab_data/叠字'

from google.colab import drive drive.mount('/content/drive') work_dir = '/content/drive/MyDrive/Colab Notebooks/colab_data/叠字'

Mounted at /content/drive

你可能会有这样的问题：类似“又双叒叕”这样子的汉字有多少？本文就是对此问题的分析。

数据来源¶

原始数据来源于参考维基百科条目二叠字、三叠字、四叠字。

格式化后的的数据，参见源文件。

本页面含有Unihan新版用字。有关字符可能会错误显示，详见Unicode扩展汉字。

数据分析¶

使用pandas进行数据表连接查询，可以找到同时具有多种叠字的字。

In [ ]:

import pandas as pd
from functools import reduce

import pandas as pd from functools import reduce

In [ ]:

data=[pd.read_table(f'{work_dir}/{i}.txt') for i in range(2, 5)]

data=[pd.read_table(f'{work_dir}/{i}.txt') for i in range(2, 5)]

In [ ]:

def merge_out(x, y):
    return pd.merge(x, y, on='单', how='outer')
jointed=reduce(merge_out, data)

def merge_out(x, y): return pd.merge(x, y, on='单', how='outer') jointed=reduce(merge_out, data)

具有多种堆叠方式的字¶

具有二三四堆叠¶

In [ ]:

jointed.dropna().head()

jointed.dropna().head()

Out[ ]:

	单	双	三	四
3	一	二	三	亖
20	人	仌	众	𠈌
21	人	仌	㐺	𠈌
22	人	从	众	𠈌
23	人	从	㐺	𠈌

具有二三四堆叠的单字¶

In [ ]:

def single_word(table):
    return ''.join(table.dropna()['单'].drop_duplicates().tolist())

def single_word(table): return ''.join(table.dropna()['单'].drop_duplicates().tolist())

In [ ]:

single_word(jointed)

single_word(jointed)

Out[ ]:

'一人厶又口土屮日木朿果水火牛田石老言車金風魚龍'

金木水火土¶

• 金 鍂 鑫 𨰻
• 木 林 森 𣛧 𣡽
• 土 圭 垚 㙓
• 水 沝 淼 㵘
• 火 炏 焱 燚

只具有二三堆叠的单字¶

In [ ]:

S3=set(single_word(jointed[['单','双','三']]))
S4=set(single_word(jointed))
''.join(S3-S4)

S3=set(single_word(jointed[['单','双','三']])) S4=set(single_word(jointed)) ''.join(S3-S4)

Out[ ]:

'香生ㄑ白飞虫心耳女犬舌太弓目㔾力大欠山瓜面户子吉馬手毛隹'

双叠字¶

In [ ]:

jointed[['单','双']].drop_duplicates().dropna().head()

jointed[['单','双']].drop_duplicates().dropna().head()

Out[ ]:

	单	双
0	ㄑ	巜
1	㔾	𠨎
2	㣇	㣈
3	一	二
7	串	丳

三叠字¶

In [ ]:

jointed[['单','三']].drop_duplicates().dropna().head()

jointed[['单','三']].drop_duplicates().dropna().head()

Out[ ]:

	单	三
0	ㄑ	巛
1	㔾	𠨕
3	一	三
4	七	㐂
6	个	𠁭

四叠字¶

In [ ]:

jointed[['单','四']].drop_duplicates().dropna().head()

jointed[['单','四']].drop_duplicates().dropna().head()

Out[ ]:

	单	四
3	一	亖
5	且	𠁠
8	丶	灬
10	乂	㸚
20	人	𠈌

In [ ]: