영어 알파벳 빈도 분석, 퍼센트는 이렇게 계산됩니다

영어 텍스트를 붙여넣었을 때 어떤 알파벳이 몇 번, 몇 퍼센트나 등장하는지 확인하려는 사람은 대개 두 지점에서 결과를 잘못 읽습니다. 퍼센트의 분모를 전체 글자수로 착각하거나, 대소문자 구분 옵션에 따라 집계 범위가 26개에서 52개로 달라진다는 걸 모르고 넘어가는 경우입니다. 이 글은 계산 기준이 정확히 무엇인지부터 짚고, 도구 없이 손으로 확인하는 방법까지 정리합니다.

요약 ① 퍼센트(%)의 분모는 전체 글자수(공백·숫자 포함)가 아니라 순수 알파벳 글자수입니다. ② 대소문자 구분을 끄면 A-Z 26개로 합산되고, 켜면 a-z·A-Z 52개로 나뉩니다. ③ 막대 그래프 길이는 100% 기준이 아니라 그 텍스트에서 가장 빈도 높은 글자를 기준으로 한 상대 비교입니다.

왜 이 계산이 헷갈리는가

영어 알파벳 빈도를 확인하려는 상황은 대체로 셋 중 하나입니다. 치환 암호(시저 암호 등) 연습 문제를 풀며 어떤 글자가 평문의 E나 T에 해당할지 추정할 때, 타이핑 연습 자료를 만들며 어떤 글자가 얼마나 자주 나오는지 볼 때, 또는 텍스트 데이터를 놓고 언어학적 통계를 낼 때입니다.

이 세 경우 모두 같은 실수가 반복됩니다. 텍스트 전체 글자수를 분모로 놓고 퍼센트를 손으로 계산했다가, 도구가 보여주는 숫자와 맞지 않아 계산이 틀렸다고 오해하는 것입니다. 실제로는 계산 기준이 다를 뿐, 어느 한쪽이 틀린 게 아닙니다.

예를 들어 공백과 숫자가 섞인 100자짜리 텍스트에서 알파벳이 80자뿐이라면, E가 10번 나왔을 때 퍼센트는 100분의 10(10%)이 아니라 80분의 10(12.5%)으로 계산됩니다. 이 차이를 모르면 도구 결과와 직접 계산한 값이 계속 어긋나 보입니다.

도구 없이 직접 손으로 계산하는 방법

전부 손이나 스프레드시트로도 계산할 수 있습니다. 순서는 이렇습니다.

1단계 — 대소문자 구분 여부를 먼저 정합니다. 'A'와 'a'를 하나로 합쳐 볼지, 서로 다른 글자로 따로 셀지에 따라 이후 단계의 결과가 전부 달라집니다.

2단계 — 알파벳 각 글자의 등장 횟수를 셉니다. 스프레드시트라면 =LEN(A1)-LEN(SUBSTITUTE(A1,"e","")) 같은 함수로 특정 글자가 몇 번 나오는지 셀 수 있습니다. 다만 이런 문자열 함수는 기본적으로 대소문자를 구분하지 않으므로, 대소문자를 따로 세려면 EXACT 함수를 함께 조합해야 합니다.

3단계 — 알파벳 글자수 합계를 구합니다. 26개(또는 52개) 글자의 등장 횟수를 전부 더합니다. 이 합계가 공백·숫자·문장부호를 뺀 '순수 알파벳 글자수'이며, 이후 퍼센트 계산의 분모가 됩니다.

4단계 — 각 글자의 퍼센트를 구합니다. 그 글자의 등장 횟수를 3단계에서 구한 합계로 나누고 100을 곱합니다.

5단계 — 정렬합니다. 빈도가 높은 순으로 보고 싶으면 퍼센트 값이 큰 순서로, 알파벳 순서대로 보고 싶으면 A부터 Z 순서로 나열합니다.

텍스트가 몇 줄 안 되면 이 과정을 손으로 해도 되지만, 문단 하나 이상 되는 분량이라면 26개(또는 52개) 글자를 하나씩 세는 일이 금방 번거로워집니다. 저희 도구로 확인하기.

직접 해보기 →

자주 틀리는 두 가지 기준

결과를 읽을 때 가장 자주 헷갈리는 지점 두 가지를 표로 정리하면 이렇습니다.

공백·숫자·문장부호는 화면 상단의 요약 통계(전체 글자수, 알파벳 수, 숫자 수, 공백 수)에는 각각 표시되지만, 알파벳별 퍼센트 계산에는 들어가지 않습니다. 알파벳이 아닌 문자를 제외한 상태에서 알파벳끼리만 비교하는 방식입니다.

대소문자 구분이 결과 모양을 바꾸는 방식

대소문자 옵션도 결과의 모양 자체를 바꿉니다. 구분을 끄면 'The'와 'the'의 T와 t가 하나로 합쳐져 A-Z 26줄이 나오고, 구분을 켜면 대문자와 소문자가 각각 독립된 줄로 잡혀 최대 52줄까지 나올 수 있습니다.

어느 쪽이 맞는지는 확인하려는 목적에 따라 다릅니다. 대문자로 시작하는 고유명사나 문장 첫 글자의 비중까지 보고 싶다면 구분을 켜고, 순수하게 알파벳 종류별 등장 빈도만 보고 싶다면 기본값(구분 안 함)을 그대로 쓰면 됩니다.

표준 빈도 순서(E-T-A-O-I-N)와 비교하기

영어 텍스트 전반에서 가장 자주 등장하는 알파벳은 대체로 E이고, 그 뒤로 T, A, O, I, N 순으로 이어진다는 순서는 암호학과 언어학에서 널리 알려져 있습니다. 도구로 계산한 내 텍스트의 순위를 이 순서와 나란히 놓아보면, 일반적인 영어 문장에 가까운 분포인지 아니면 특정 단어나 반복 패턴이 두드러지는 텍스트인지 가늠할 수 있습니다.

다만 이 순서는 일반적인 영어 산문을 대상으로 한 경향일 뿐이라, 텍스트가 짧거나 고유명사·코드·반복 단어가 많으면 크게 벗어날 수 있습니다.

정리

• 퍼센트(%)는 전체 글자수가 아니라 순수 알파벳 글자수(공백·숫자·문장부호 제외)를 기준으로 계산됩니다.
• 대소문자 구분 옵션에 따라 결과가 26개 카테고리(기본값) 또는 52개 카테고리로 달라집니다.
• 막대 그래프 길이는 100% 기준이 아니라 해당 텍스트의 최고 빈도 글자를 기준으로 한 상대 비교입니다.
• 정렬은 빈도순(기본값)과 알파벳순 중 골라서 볼 수 있습니다.
• 널리 알려진 표준 순서(E, T, A, O, I, N…)와 비교하면 내 텍스트가 일반적인 영어 분포에 가까운지 확인할 수 있습니다.

자주 묻는 질문

공백이나 숫자도 퍼센트 계산에 포함되나요?

아닙니다. 전체 글자수와 공백 수, 숫자 수는 요약 통계로 따로 표시되지만, 알파벳별 퍼센트(%) 계산은 순수 영어 알파벳 문자 수만을 기준으로 산출됩니다. 공백이나 숫자가 많이 섞인 텍스트라도 알파벳끼리의 비율 계산에는 영향을 주지 않습니다.

대소문자 구분은 언제 켜는 게 좋나요?

정해진 정답은 없고 확인하려는 목적에 따라 달라집니다. 대문자로 시작하는 단어나 문장 첫 글자의 비중까지 따로 보고 싶다면 구분을 켜서 최대 52개 카테고리로 나눠 보고, 알파벳 종류 자체의 등장 빈도만 보고 싶다면 기본값인 구분 안 함(26개)을 그대로 쓰면 됩니다.

막대 그래프가 전부 다른 길이인데, 가장 긴 막대가 100%라는 뜻인가요?

아닙니다. 막대 길이는 100%를 기준으로 그려지는 것이 아니라, 그 텍스트에서 가장 빈도가 높은 글자(최댓값)를 기준으로 다른 글자들의 비율을 상대적으로 표시한 것입니다. 실제 퍼센트 수치는 각 줄에 숫자로 함께 표시되므로, 정확한 값은 막대 길이가 아니라 옆의 숫자로 확인하는 게 정확합니다.

정렬 기준(빈도순/알파벳순)은 결과 자체를 바꾸나요?

바꾸지 않습니다. 정렬은 같은 계산 결과를 보여주는 순서만 바꿀 뿐, 각 글자의 등장 횟수나 퍼센트 수치 자체에는 영향을 주지 않습니다. 빈도순은 어떤 글자가 가장 많이 쓰였는지 한눈에 보기 좋고, 알파벳순은 A부터 Z까지 특정 글자를 찾아보기 좋습니다.