11年-19年读书记录分析
大概在10年前后，镇上给村里弄了个农村书屋，其他办公室都没地方，就把书连书柜都放我办公室里了。当时统计了下，一共有1500多本书，后来又给了一批，最终达到1800多本。这些书中的大部分质量和内容都很一般，但还是有几本好书的。反正工作也挺闲的，每天就靠看书打发点时间。时过境迁，工作已经换了几个，但看书的习惯还一直保持着。
我从12年开始记日记，所以从那一年起，哪段时间看了哪本书都有记录。前几年把读书的记录整理过一次，但信息不全；今年过年前后，花了几天的时间又整理了一遍，添加了一些书籍相关的信息，就想着要不要也分析下（其实只是统计，并没有分析），算是对这些年自己读书的一个总结。有点遗憾的是，11年的记录只找到10月份到12月份的一部分，10月份以前的则完全没有记录，就没法统计进来了。
但在分析之前，还得说明一下，有些书我没有进行统计，这些书包括以下四种：
国产教材。比如为考研而看的《普通心理学》《心理学导论》之类的，但国外的教材，如《心理学与生活》等，不在此列。
技术类的书。如跟R相关的书，有实体的，也有在线的，都没有被统计进来。
电子书。不论是在手机上，kindle上，还是在更早的汉王上看的电子书，都没有统计进来。在看书这方面，我还是比较传统的，现在基本上只看实体书。
太low的书。如，有套书名叫《卑鄙的圣人：曹操》，老爹看见了，非要买一套，当时只出了5本，就都买了下来。我是家里有的书就要看完的（大概就是看完这套书后改了这个“毛病”），就硬着头皮把这几本书看了一遍。听说这套书让作者赚了一百多万的版税，但这也无法掩盖作者文笔一般、词汇匮乏的事实。印象最深的是，曹操笑起来是“噗嗤”，袁绍笑起来也“噗嗤”，连曹操的老子曹嵩笑起来也“噗嗤”，这到底是一群大老爷们，还是一群小丫头片子啊（当然，用在曹嵩身上也许是合适的）？总之，这类书就不进行统计了。
去掉以上四类书之后，剩下的书（共计465本次），就是要进行分析的了。
首先还是载入分析需要用到的包：
library(tidyverse)
library(readxl)
library(knitr)然后把数据导入并进行清洗。由于数据已经在excel里整理好了，所以也没啥好清洗的，只是对每本书的字数进行了校正：
book <- read_xlsx('读书记录.xlsx') %>%
select(year = 2, name = 4, publisher = 6, author = 7,
country = 8, dynasty = 9, classification = 10, language = 11,
price = 12, page = 13, words = 14, manner = 15) %>%
mutate(words = case_when(language %in% c('古汉', '英汉') ~ words*1.3,
language %in% c('古语', '英语') ~ words*2,
TRUE ~ words),
words = ifelse(manner == '书内', words*.8, words*.6),
words = round(words, 0),
price = as.numeric(price) %>% round(1)) %>%
select(-manner)清洗后的数据是这样的，随机显示了10本（这里本来想用DT包来生成全部内容的，但我用的blogdown主题似乎并不支持）：
set.seed(20190216)
book %>% sample_n(10) %>%
arrange(year) %>% kable()| year | name | publisher | author | country | dynasty | classification | language | price | page | words |
|---|---|---|---|---|---|---|---|---|---|---|
| 2012 | 爱弥儿（下） | 中华书局 | 卢梭 | 法国 | / | 教育 | 汉语 | 24.0 | 440 | 199056 |
| 2012 | 教育漫话 | 教育科学出版社 | 洛克 | 英国 | / | 教育 | 汉语 | 15.0 | 193 | 120000 |
| 2012 | 徐志摩散文精选 | 长江文艺出版社 | 徐志摩 | 中国 | 现代 | 文学 | 汉语 | 22.0 | 301 | 121363 |
| 2012 | 小城三月 | 长江文艺出版社 | 萧红 | 中国 | 现代 | 小说 | 汉语 | 17.0 | 268 | 108058 |
| 2014 | 心理学与生活 | 人民邮电出版社 | 格里格/津巴多 | 美国 | / | 心理学 | 汉语 | 88.0 | 621 | 1012800 |
| 2014 | 谈美书简 | 中华书局 | 朱光潜 | 中国 | 现代 | 艺术 | 汉语 | 13.0 | 136 | 72000 |
| 2015 | 现代心理学史 | 中国轻工业出版社 | 杜安·P·舒尔茨/悉妮·埃伦·舒尔茨 | 美国 | / | 心理学 | 汉语 | 75.0 | 513 | 334400 |
| 2016 | 卡夫卡小说全集 Ⅲ | 人民文学出版社 | 卡夫卡 | 奥匈帝国 | / | 小说 | 汉语 | 29.3 | 326 | 240210 |
| 2016 | 庄子今注今译（下） | 中华书局 | 陈鼓应 | 中国 | 当代 | 哲学 | 古汉 | 32.0 | 335 | 187017 |
| 2017 | 八十天环游地球 | 安徽教育出版社 | 儒勒·凡尔纳 | 法国 | / | 小说 | 汉语 | 22.0 | 259 | 168000 |
下面依次进行分析：
年份
book %>% group_by(year) %>%
count(sort = TRUE) %>%
kable()| year | n |
|---|---|
| 2014 | 87 |
| 2012 | 82 |
| 2016 | 78 |
| 2013 | 76 |
| 2015 | 56 |
| 2017 | 47 |
| 2018 | 18 |
| 2011 | 15 |
| 2019 | 6 |
可以看到，看书最多的年份是2014年，其次是12年和16年。14年我正在准备考研，这一年大概是我一生中最充实的一年了，算上考研教材的话，那年我应该看了120本书。除去11年和19年，看书最少的是去年。去年上半年在忙着毕业和找工作，而下半年则在忙着适应工作，没能空出太多的时间看书，不过以后应该不会了。
再算个平均数，这里把11年和19年排除在外：
book %>% filter(!year %in% c(2011, 2019)) %>%
summarise(mean = nrow(.)/n_distinct(year)) %>%
kable()| mean |
|---|
| 63.42857 |
平均起来，我每年能看63本书，也就是说，我基本上能保证每月5本书。
出版社
book %>% group_by(publisher) %>%
count(sort = TRUE) %>%
filter(n > 10) %>%
kable()| publisher | n |
|---|---|
| 中华书局 | 101 |
| 人民文学出版社 | 68 |
| 商务印书馆 | 41 |
| 人民邮电出版社 | 26 |
| 译林出版社 | 23 |
| 天津古籍出版社 | 16 |
| 中央编译出版社 | 15 |
| 安徽教育出版社 | 11 |
| 上海译文出版社 | 11 |
前五个出版社的书占了大概一半，我尤其喜欢中华书局的书啊！
作者
book %>% group_by(author) %>%
count(sort = TRUE) %>%
filter(n > 4) %>%
kable()| author | n |
|---|---|
| 司马迁 | 22 |
| 鲁迅 | 17 |
| 陈鼓应 | 13 |
| 儒勒·凡尔纳 | 13 |
| 莎士比亚 | 11 |
| 蒙台梭利 | 9 |
| 柏拉图 | 8 |
| 不详 | 8 |
| 李伯钦/李肇祥 | 8 |
| George R.R.Martin | 7 |
| J.K.Rowling | 7 |
| 卢梭 | 6 |
| 蒙田 | 6 |
| 亚里士多德 | 6 |
| 王弼 | 5 |
太史公最多，因为看过两个版本的《史记》，一个是文白对照的版本，九大本，看了两遍，另一个是文言版本，四大本，看了一遍，然而内容实在太多，大部分看过就忘了。鲁迅第二，因为看了一遍《鲁迅全集》，希望以后能有时间，打乱卷次的顺序，从日记、书信和作品三个方面按着时间的推进再看一遍。后面是陈鼓应和凡尔纳，陈鼓应和《老子注译及评介》和《庄子今注今译》是我最喜欢的几本书，而凡尔纳的小说全集，也粗略地看过一遍。
国别
book %>% group_by(country) %>%
count(sort = TRUE) %>%
filter(n > 4) %>%
kable()| country | n |
|---|---|
| 中国 | 158 |
| 美国 | 85 |
| 英国 | 65 |
| 法国 | 48 |
| 古希腊 | 19 |
| 意大利 | 19 |
| 德国 | 17 |
| 日本 | 9 |
| 古罗马 | 8 |
| 奥地利 | 5 |
| 西班牙 | 5 |
自然是中国的最多，不过跟英语国家加起来进行对比的话，也没有多多少。
朝代
book %>% group_by(dynasty) %>%
count(sort = TRUE) %>%
filter(dynasty != '/', n > 2) %>%
kable()| dynasty | n |
|---|---|
| 当代 | 46 |
| 现代 | 44 |
| 汉朝 | 23 |
| 先秦 | 22 |
| 魏朝 | 5 |
| 明朝 | 4 |
| 清朝 | 4 |
| 宋朝 | 4 |
| 唐朝 | 3 |
画出来折线图的话，会是U形的。2000年前和最近100年的，看的比较多，以后似乎也应该多看看两个时间段之间的。
分类
book %>% group_by(classification) %>%
count(sort = TRUE) %>%
filter(n > 4) %>%
kable()| classification | n |
|---|---|
| 小说 | 123 |
| 哲学 | 96 |
| 文学 | 91 |
| 历史 | 55 |
| 心理学 | 49 |
| 教育 | 24 |
| 社会科学 | 6 |
| 方法论 | 5 |
| 自然科学 | 5 |
我看的书主要集中在文史哲三大类上，其中小说数量最多，就把它从文学中拿了出来，自成一类。另外，因为我没有记录国产的心理学教材，所以心理学书籍的数量相对较少，实际上应该是比历史类的书多的。
语言
book %>% group_by(language) %>%
count(sort = TRUE) %>%
kable()| language | n |
|---|---|
| 汉语 | 350 |
| 古汉 | 55 |
| 英语 | 28 |
| 古语 | 21 |
| 英汉 | 11 |
古语是指纯文言的，古汉是指文白参照的，英语和英汉的也是这样，不过看的最多的自然还是现代汉语的。另外，在对字数进行统计时，我根据语言进行了校正，具体就是古汉和英汉的在原有字数基础上乘以1.3，而古语和英语的在原有字数基础上乘以2。
价格
book %>% mutate(price = as.numeric(price)) %>%
summarise(total = sum(price), avg = mean(price)) %>%
kable()| total | avg |
|---|---|
| 16601 | 35.70108 |
这些书的总价格大概是一万六千多，平均起来，每本35块7，但除了很少的几本书是在新华书店按原价买的，其余的书基本上都是打折的，而且折扣也都很大，所以实际上，这些年我也就看了一万块钱左右的书。
book %>% mutate(price = as.numeric(price)) %>%
group_by(year) %>%
summarise(total = sum(price)) %>%
kable()| year | total |
|---|---|
| 2011 | 364.8 |
| 2012 | 1933.9 |
| 2013 | 1932.1 |
| 2014 | 3586.8 |
| 2015 | 2816.3 |
| 2016 | 3221.3 |
| 2017 | 1636.2 |
| 2018 | 942.6 |
| 2019 | 167.0 |
按年份平均一下，14年最多，看了3000多块钱的书。不得不说，看书真是一个极其便宜的消遣。
页数
book %>% mutate(page = as.numeric(page)) %>%
summarise(total = sum(page), avg = mean(page)) %>%
kable()| total | avg |
|---|---|
| 185511 | 398.9484 |
这些书一共十八万多页，平均每本数400页左右。
book %>% mutate(page = as.numeric(page)) %>%
group_by(year) %>%
summarise(total = sum(page)) %>%
kable()| year | total |
|---|---|
| 2011 | 5059 |
| 2012 | 26909 |
| 2013 | 25012 |
| 2014 | 38407 |
| 2015 | 27053 |
| 2016 | 35503 |
| 2017 | 17242 |
| 2018 | 8144 |
| 2019 | 2182 |
看的页数最多的一年也是14年，看了快四万页，平均起来，每天都要看100多页。
字数
book %>% mutate(words = as.numeric(words)) %>%
summarise(total = sum(words), avg = mean(words)) %>%
kable()| total | avg |
|---|---|
| 136291256 | 293099.5 |
字数是比较难统计的，所以进行了一些校正。除了前面提到的，我还进行了另外一步校正。如果书内标明了字数，那我就按书内的字数进行第一步校正，然后再乘以0.8；如果书内没有标明字数，我就随机找一页，算一算这一页大概有多少字，然后乘以总页数，这时得出的字数进行第一步校正，最后再乘以0.6。经过这样的校正之后，我这些年一共看了一亿三千六百万字的书，平均起来，每本书大概有三十万字。之前在Medium上看了一篇文章，作者讲怎样才能在一年之内看完200书，然后她把书定义为五万字。如果一本书只有五万字的话，那一年看200本真的没啥难的。我觉得还是把一本书定义为三十万字，可能更合适一点。
book %>% mutate(words = as.numeric(words)) %>%
group_by(year) %>%
summarise(total = sum(words)) %>%
kable()| year | total |
|---|---|
| 2011 | 2531263 |
| 2012 | 16750566 |
| 2013 | 15884629 |
| 2014 | 28676764 |
| 2015 | 23470332 |
| 2016 | 30016723 |
| 2017 | 11393177 |
| 2018 | 5929402 |
| 2019 | 1638400 |
按年份来看字数，最多的倒不是14年，而是16年了，可能那一年看了更多的大部头。
book %>% mutate(words = as.numeric(words)) %>%
group_by(language) %>%
summarise(total = sum(words)) %>%
kable()| language | total |
|---|---|
| 古汉 | 20965668 |
| 古语 | 11856219 |
| 汉语 | 82277559 |
| 英汉 | 2162988 |
| 英语 | 19028822 |
最后再按语言分类看一下，看得最多的自然是现代汉语的，但纯文言文和纯英文的书，我也看了及几百万字甚至上千万字（这里在把2除回去）。
我其实是reading for reading’s sake的，并没指望通过读书得到其他什么东西。给自己定一个量化的目标，而后每天按着计划执行一点，总不至于让自己陷入无所事事的境地。几年前，我给自己定的这个数量是3000，目前看来，虽然有难度，但也不是不可能完成的任务，所以，继续一页一页的看吧。
