每到一个新的地区，我便会在地图上做个标记。就在前阵子，无意中拜访了最后一个大洲，完成了七大洲的拼图。细细的数着，尚缺失的就是撒哈拉以南的非洲了。翻看回忆，我大概也是见识过一些浓缩的历史。
我们这代人，出生后不久苏联就解体了，导致我们对冷战的了解大多来源于历史书和电影。平心而论，我对冷战、第二次世界大战、第一次世界大战，和对三国时期的理解，并不见得有那么多的迥异。直到后面，在巴尔干半岛上流传的南联盟的誓言，在雅尔塔徘徊的三巨头的对话，在诺曼底呼啸的海风，在奥斯维辛锈迹斑驳的窗户，在瓦尔帕莱索沉吟的诗句。二战的历史就这么鲜活地展示在新一代人们的面前。可能应该再去看看柏林墙的痕迹，才能具像化盛极而衰的一丝丝印记。
走过亚马逊丛林，看到了石器时代和现代工业的微妙共处。沿着巴塔哥尼亚，南美洲一点点刻印着从发现新大陆到殖民地到奴隶生意的历史。顺着洋流，在一个个人间天堂的岛屿上，快速穿插着同化的默契。历史不会消失，只会一层层地堆积着一代代人的记忆。
加州的生活，对我来说，还是太单调了些吧。
最近发现这些年央视还是兢兢业业拍了不少好的纪录片。从《我在故宫修文物》《乾隆的秘密花园》，到《大明宫》，到《圆明园》，以及如实记录现代的《超级工程》、《航拍中国》。虽然穿插着看起来有种穿越时空的错乱感，但是每一部还是都让人看得心情跌宕起伏。比较讨我胃口的是这些纪录片基本以记录为主，很少带有主观的判断意见，基本都是客观事实，让读者自己去形成判断。
若说不足，怕就是这些纪录片只来得及选取最耀眼的明星，而中国历史中值得细细记录的实在是太多了。还记得初中高中背历史背得那般辛苦吗？每一句其实都是浓缩了几百年的故事，哪里会有那么容易。若说我不喜欢的历史教育，怕就是带有太强的主观色彩。不过历史教育在那里都是要多少服务于政治诉求的，所以也不能太怪罪当年的老师们。
一个几乎不追剧的人，近些日子确是看纪录片成瘾。算是向岁月致敬吧。
前几天看到微博上大家讨论县城名字：http://weibo.com/1444865141/EjcmoaykB
一时好奇，就把官方数据拿来看了一下。（2016年9月中华人民共和国县以上行政区划代码）
全部用来命名的只有1228个字，而相较于新华字典一般收录的八千到1万字，覆盖面其实挺小的。
不出意外的，这个字频分布呈现快速下降的长尾分布。看一下这个数据，还是蛮有意思的。
这里贴一下前50高频词。
完整的字频统计在这里： 中国县级及以上行政单位字频统计.txt
然后我们分区域来看一下各个区域特征。因为港澳台地区没有太多数据，所以我们只分析六大区域：华北、东北、华东、华中/华南、西南、西北。
全部数据下载：
原始数据：
分析脚本：
town_name <- read_csv("~/Documents/town_name.csv")
names(town_name) = c("code","name")
town_name$name_s = gsub("市$|区$|县$|旗$|自治.*?$|盟$|省$","",town_name$name)
unique_character = unlist(strsplit(town_name$name_s,split = ""))
character_freq = as.data.frame(table(unique_character))
library(dplyr)
character_freq = character_freq %>%
arrange(Freq) %>%
mutate(rank = 1:nrow(character_freq))
write.csv(character_freq, file = "character_freq.csv", row.names = F)
library(ggplot2)
top_50 = character_freq %>% filter(Freq >= 25)
ggplot(top_50, aes(x = as.factor(rank), y = Freq)) +
geom_bar(stat="identity", alpha = 0.5, fill = "grey")+
coord_flip()+
theme_bw(base_family = "Hei") +
scale_x_discrete(labels = top_50$unique_character) +
xlab("") +
geom_text(aes(label = Freq, y =Freq/2 ), color = "deepskyblue3") +
ylab("频次")+ggtitle("中国县级及以上行政单位字频统计")
#五行
character_freq %>% filter(unique_character %in% c("金","木","水","火","土"))
#省
town_name$province = substr(town_name$code, 1,2)
town_name$region = substr(town_name$code, 1,1)
unique_prov = town_name %>%
filter(grepl("0000",town_name$code))
char_by_prov = lapply(unique_prov$province, function(x) {
prov = subset(town_name,province==x)
chars = unlist(strsplit(prov$name_s,split = ""))
freq_prov = as.data.frame(table(chars))
freq_prov$rank = rank(-freq_prov$Freq, ties.method = "first")
freq_prov$prov = x
return(freq_prov)
})
char_by_prov = do.call(rbind, char_by_prov)
names(char_by_prov)
ggplot(char_by_prov %>% filter(rank<=5 & chars != "族" & ! prov %in% c(82,81)), aes(x= rank, y = Freq)) +
geom_bar(stat="identity", alpha = 0.3)+
facet_grid(name~.)+
theme_bw(base_family = "Hei") +
geom_text(aes(label = chars, y = Freq/2),family = "Hei")+
coord_flip()+
xlab("") +
ylab("字频")
write.csv(char_by_prov, file = "char_by_prov.csv", row.names=F)
#by region
char_by_region = lapply(1:6, function(x) {
prov = subset(town_name,region==x)
chars = unlist(strsplit(prov$name_s,split = ""))
freq_prov = as.data.frame(table(chars))
freq_prov$rank = rank(-freq_prov$Freq, ties.method = "last")
freq_prov$region = x
return(freq_prov)
})
char_by_region = do.call(rbind, char_by_region)
char_by_region$region = factor(char_by_region$region)
levels(char_by_region$region) = c("华北","东北","华东","华中/华南","西南","西北")
ggplot(char_by_region %>% filter(rank<=10 ), aes(x= rank, y = Freq)) +
geom_bar(stat="identity", alpha = 0.3)+
facet_grid(region~.)+
theme_bw(base_family = "Hei") +
geom_text(aes(label = chars, y = Freq/2),family = "Hei")+
coord_flip()+
xlab("") +
ylab("字频") + ggtitle("中国县级以上行政单位字频统计(按区域划分）")
write.csv(char_by_region %>% filter(rank<=10 ), file = "freq_by_region.csv",row.names = F)
write.csv(char_by_region, file = "char_by_region.csv", row.names = F)
# draw regional map
library(ggmap)
# find each regional center
unique_region = filter(unique_prov, substr(province,2,2)==2 & region<=6)
location = lapply(unique_region$name,geocode)
location = do.call(rbind,location)
unique_region = cbind(unique_region,location)
unique_region$region = factor(unique_region$region)
levels(unique_region$region) = c("华北","东北","华东","华中/华南","西南","西北")
# top 10 char for each region
top_10_region = char_by_region %>% filter(rank<=10 )
top_10_region = top_10_region %>%
mutate(labels = paste0(chars," (",Freq,"次)"))
top_10_region = merge(top_10_region,unique_region, by ="region")
#adjust label positions
top_10_region_g = top_10_region %>%
mutate(lon_a = lon - rank %%2 *5 -3,
lat_a = lat - rank/2 - rank %%2 *(1/2)+5/2) %>%
select(c(region, rank, lon_a, lat_a, labels)) %>%
arrange(region,rank)
#manual adjustment
top_10_region_g = top_10_region_g %>% mutate(
lon_a = lon_a + (region == "华东")*(7) + (region == "西南")*(-3)
)
qmap('China',color="color", zoom = 4, maptype = "satellite", alpha = 0.8) +
geom_text(data = top_10_region_g, aes( x = lon_a, y = lat_a, label = labels),
family = "Hei",color = "white") +
geom_text(data = unique_region,aes( x = lon-6+ (region == "华东")*(7)+ (region == "西南")*(-3), y = lat+3, label = paste0(region,"地区:")),
family = "Hei",color = "white")
大家火眼金睛，微博上随便吱呀一句全都猜出来了...最近在修几门历史和艺术相关的课，总而言之就是我觉得我的人文修养实在是太烂了...工作之后的好处就是想学点什么就学点什么，自由的很，随心而至。
《史记》记载，秦始皇时期，“秦法，不得兼方。不驗，輒死。”。而我就属于那种死就死了吧...总是想学点好玩的东西的人。
现在在follow 的几门课是：
其他的边走边看吧，coursera上的课大都不长，可以一门一门慢慢来...
此外，刚留意到复旦吴立德老师的Elements of Statistical Learning又开课了，可惜我们搬离张江了哇...各种怨念中。
温软如玉
拉萨，夜凉如水。晚风终于在九点日落之后，迫不及待的拂过行人的脸颊，试图解除帽子或者围巾的武装。是的，拉萨离天太近，阳关不用努力便可以刺穿层层伪装。偶有零星小雨，让人疑惑的看着白云飘飘的天空不知缘由。
The Potala Palace at night, Lhasa.
几番犹豫之后，还是拨通了电话，以继续白天未完成的对话。灯火辉煌的布达拉宫近在咫尺，从酒吧的露台上，仿佛伸出手去便可摘得。一下子唤起来小时候午夜非要拖着爸妈去摘流星的那种童真。那年的济南，夜空还是容得下流星雨稀里哗啦的飘洒的。在这样一个美好的夜晚，真不应该浪费在没有心灵回音的电话那一端。回忆起下午跑到极度具有小资调调的「玛吉阿米」，在顶层的露台上迎着落日，自斟自饮。不知那年的仓央嘉措，逢着自己心动的感觉，是以油茶自嘲还是烈酒打发。几杯奶茶进肚，望着木制的杯子，却再也提不起饮酒的兴致。索性就呆呆的坐着，望着窗外的云彩，出出神。
夜越发的深了，也越发的凉了。布达拉宫在着越来越浓的夜色中，越发的闪耀着。无可比拟的光芒。不知那年的松赞干布，是以何种心情，迎来自己踏遍千山万水的公主。「千山鸟飞绝，万径人踪灭」，一路上青藏线的宏伟与凄凉让人胆寒。何来蓑舟翁，对饮寒江雪？
The Potala Palace in the day, Lhasa.
走在仓央嘉措走过的石板路上，不知那年的他，是何种反抗既定命运的心情。这么多年，依旧独爱花间派诗词这一支，还有些偏执的觉得诗词就应该为情而作，以文诉衷肠，哪怕是万千离绪击打的人喘不过气来。温庭筠，元稹，薛涛，秦少游。每每念及他们的名字，都仿佛听着岁月的回响。然而，拉萨是属于仓央嘉措的，读读他的文字，宛若抚摸着历史的刻碑。一道道，深深浅浅，直戳心底。
