学术前沿趋势分析——论文作者统计
- 任务说明
- 代码实现
- 总结
一、任务说明
主题:论文作者统计,统计所有论文作者出现评率Top10的姓名;
内容:论文作者统计、使用 Pandas 读取数据并使用字符串操作;
成果:学习 Pandas 的字符串操作;
二、代码实现
- 读取数据
data = []
with open("arxiv-metadata-oai-snapshot.json", 'r') as f:
for idx, line in enumerate(f):
d = json.loads(line)
d = {'authors': d['authors'], 'categories': d['categories'], 'authors_parsed': d['authors_parsed']}
data.append(d)
data = pd.DataFrame(data)
- 数据统计
注:为简化计算,选取cs.CV类论文进行处理
统计所有作者姓名出现频率的Top10
authors_names = [' '.join(x) for x in all_authors]
authors_names = pd.DataFrame(authors_names)
# 根据作者频率绘制直方图
plt.figure(figsize=(10, 6))
authors_names[0].value_counts().head(10).plot(kind='barh')
# 修改图配置
names = authors_names[0].value_counts().index.values[:10]
_ = plt.yticks(range(0, len(names)), names)
plt.ylabel('Author')
plt.xlabel('Count')
统计所有作者姓的出现频率的Top10
authors_lastnames = [x[0] for x in all_authors]
authors_lastnames = pd.DataFrame(authors_lastnames)
plt.figure(figsize=(10, 6))
authors_lastnames[0].value_counts().head(10).plot(kind='barh')
names = authors_lastnames[0].value_counts().index.values[:10]
_ = plt.yticks(range(0, len(names)), names)
plt.ylabel('Author')
plt.xlabel('Count')
统计所有作者姓第一个字符的频率
authors_lastname_character = [y[0] for y in(x[0] for x in all_authors)]
authors_lastname_character = pd.DataFrame(authors_lastname_character)
plt.figure(figsize=(10, 6))
authors_lastname_character[0].value_counts().head(10).plot(kind='barh')
names = authors_lastname_character[0].value_counts().index.values[:10]
_ = plt.yticks(range(0, len(names)), names)
plt.ylabel('Author')
plt.xlabel('Count')