截止到现在写博客为止，我的英语处于糟透了的状态，是个合格的英语弱鸡。
最近对英语莫名其妙的感兴趣了，我想学英语。
都说日常交流要不了多少词汇量，到底要多少啊，为了得到这个答案，我开始百度。。
百度出来的东西都乱七八糟的，有说1000的，有说2000的，有说5000的，有说12000的，我也不知道到底是多少，不如我自己来统计一下。
于是我选择了了《查理成长日记》第一季这个家庭喜剧作为我统计的目标，OK，目标已经定好了，那应该怎么统计呢，来看看我最开始的想法，写一个app，或者小demo，打开视频，人物每说一句话，我就把英文单词记下来，按照这个方法记录完所有的单词。当时还特么觉得这是个不错的方法，现在想想真是蠢爆了，直接下载字幕，分析字幕不就行了吗。
于是我下载第一季1-10集的字幕，字幕打开长这样子。
（随便截取的某一集的其中一段）
4
00:00:19,930 --> 00:00:21,560
Happy Birthday, sweetie.
5
00:00:21,570 --> 00:00:23,410
I love you, baby girl.
6
00:00:23,410 --> 00:00:25,570
You're the best.
7
00:00:25,570 --> 00:00:28,100
I'm just here for the cake.
8
00:00:29,510 --> 00:00:33,510
Well, four out of the five Duncans are excited.
不行啊，这格式不是我想要的格式，于是我写了一些Java代码，将我想要的句子整理出来保存到一个新的文件里面，最后字幕长这样：
i close my eyes take a bite
grab a ride laugh out loud
there it is up on the roof
i've been there i've survived
so just take my advice
hang in there baby things are crazy
but i know your future is bright
hang in there baby
there is no maybe
eveything turns out all right
sure life is up and down
nice！，这就是我想要的效果。
于是我继续优化我的代码，慢慢统计。
最后总算得到了一个满意的结果，以下是我想要知道的信息：
- 一共使用了多少单词
- 每个单词的使用频率是多少
来看看最后我统计的结果：
看看上面那个表，单词总使用个数是只对话中一共用到了多少单词，这里包含重复的单词，单词个数则是指对话中用到了哪些单词。看表是不是有点二八定律的意思，80%的对话都只用到了20%的词汇。不过由于生词增加的速度越来越慢，所以越到后面，词汇量的需求会越来越稳定。我们根据自己的需求记单词就行了，假设你需要99%的东西你都要懂，那你需要掌握的词汇量就很多了。待会我们来分析词汇量的问题。
只出现过一次的单词个数是指在整个对话中，只出现过唯一一次的单词的个数。大概占了词汇量的50%，这是否意味着，如果只记高频率单词，你会有50%的对话都听不懂呢？肯定不是，因为这是低频词汇，所以不能代入到整个对话情景中，这里说个大概，如果没有掌握这50%的低频词汇，跟别人交流，大概有10%以内的意思没有完美理解，不过也许人家换个含有简单词汇的句子再给你解释一边，我想，应该也能懂。
情景对话：（假设方括号中是你的生僻词）
小明：今天天气好好哦。
小红：对啊，今天是[晴天]，是我最喜欢的天气。
小明：[晴天]是什么意思？
小红：就是万里无云的意思
是不是给人一种智障的感觉= =
可能例子太简单了，换个难一点的
小明：我想吃那个，我们一起去吃
小红：好啊，我们就吃那个
小明（吃了一会儿）：哇，快看，那个看起来好好吃啊，我也要吃
小红：你怎么跟个[饕餮]似的
小明：啥是[饕餮]
小红：就是说你很贪心的意思
这个看着是不是就没啥违和感。所以低频词汇不掌握全也没啥关系。
做一个折线图：
走势是不是有点慢慢变平缓的意思？我们再加10集的词汇
再来更加折线图
是不是确实平缓了，随着对话时间增加，单词的使用量虽然也会增加，但是所需词汇量的增加速度就越来越慢了。
一集大概20分钟，这里有20集，也就是400多分钟，假设上述数据记为标准，也就是要跟人聊日常需要词汇量4000，但是这里有一半的词汇都只出现过一次，所以90%的聊天只需要2000词汇量。所以这是结论吗？
其实根据上述数据可以算出来，大概1100的词汇量满足80%的日常生活对话，假设你的词汇量是2000，你可以满足88%的日常对话，看啊，1100的词汇量就能满足80%了，再加900词汇量，只能增加8%。这里的词汇量不包含那些低频率词汇。
给大家看看我通过代码计算出来的频率超过200的单词有哪些：
you：1834
i：1759
the：1171
to：1113
a：1091
and：737
it：637
is：604
that：598
my：491
what：474
me：468
i'm：449
in：447
oh：434
of：425
your：417
this：414
we：388
no：386
on：383
have：343
do：340
so：329
be：316
just：305
for：301
not：298
are：298
okay：287
out：283
know：281
well：278
it's：265
with：262
get：260
like：260
all：259
don't：257
right：257
was：253
but：249
here：245
hey：239
you're：238
that's：226
there：224
go：223
yeah：219
gonna：215
up：213
charlie：209
about：207
一共使用了49834个单词，看看这些使用次数超过200的单词。是不是都是我们认识的。
来看看这些单词对应频率的折线图长什么样子。
由于单词有4000多个，所以横坐标不可能显示全。
对于单词的频率分析就到这里，根据频率记单词应该没有问题，
顺便补充两个电影的单词频率分析，头脑特工队和超人总动员2
结论是：
单词总使用个数：20914
出现单词个数：2745
只出现过一次的单词的个数：1429
两个电影时间加起来大概三个小时半，用到的词汇不过才2745个，去掉低频词汇，居然只有1316的单词。
一通分析下来，感觉口语也没那么难嘛。我特么学这么多年英语都在干啥。
