| word rank | frequency | word |
|---|---|---|
| 1 | 1157 | ఈ |
| 2 | 789 | కరోనా |
| 3 | 590 | నుంచి |
| 4 | 506 | కూడా |
| 5 | 396 | లో |
| 6 | 395 | ఆ |
| 7 | 382 | చేశారు |
| 8 | 318 | మంది |
| 9 | 286 | తెలిపారు |
| word rank | frequency | word |
|---|---|---|
| 10 | 282 | అయితే |
| 20 | 226 | కు |
| 30 | 170 | చేసింది |
| 40 | 158 | రాష్ట్ర |
| 50 | 126 | అన్ని |
| 60 | 110 | కొత్త |
| 70 | 104 | వారికి |
| 80 | 99 | మన |
| 90 | 94 | ఉందని |
| word rank | frequency | word |
|---|---|---|
| 100 | 88 | రెడ్డి |
| 200 | 53 | ఇందులో |
| 300 | 40 | ప్రజలకు |
| 400 | 31 | అధికార |
| 500 | 27 | హాస్పిటల్ |
| 600 | 23 | ప్రజలను |
| 700 | 20 | ఐసోలేషన్ |
| 800 | 18 | మండిపడ్డారు |
| 900 | 16 | బాలీవుడ్ |
| word rank | frequency | word |
|---|---|---|
| 1000 | 14 | అయ్యే |
| 2000 | 8 | వస్తోంది |
| 3000 | 5 | ఖర్చులు |
| 4000 | 4 | పర్మిషన్ |
| 5000 | 3 | చీకటి |
| 6000 | 3 | వెళ్తే |
| 7000 | 2 | కత్తిరించాలి |
| 8000 | 2 | దళ్ |
| 9000 | 2 | మానవత్వంతో |
| word rank | frequency | word |
|---|---|---|
| 10000 | 2 | సురేశ్ |
| 20000 | 1 | దరికి |
| 30000 | 1 | సర్ది |
Words from different frequency regions are shown. For simplicity, the words with rank k10n, k=1,2,…,9; n=0,1,…, are chosen. In the case n=0 we see the 10 most frequent words, of course.
The tables provide words with fixed rank which might be useful for several comparisons. The average word should get longer with its rank.
For meaningful words at higher ranks we need at least medium a sized corpus.
For rank 1000, 2000, …, 9000:
set @k=3;
select w_id-100 as rank, freq, word from where w_id-100 in (1*pow(10,@k),2*pow(10,@k), 3*pow(10,@k),4*pow(10,@k),5*pow(10,@k), 6*pow(10,@k),7*pow(10,@k),8*pow(10,@k), 9*pow(10,@k)) order by rank;
3.2.1. The most frequent 50 words