学术前沿趋势分析——论文作者统计

最新推荐文章于 2024-09-14 19:55:48 发布

爱吃黄金米的西瓜

最新推荐文章于 2024-09-14 19:55:48 发布

阅读量201

点赞数

文章标签： python 数据分析

本文链接：https://blog.csdn.net/m0_51318407/article/details/112719797

版权

该博客展示了如何使用Pandas对论文作者进行统计分析，包括全名、姓氏及首字母的频率统计。通过读取数据、筛选计算机科学领域的论文，并绘制直方图，展示了Top10作者的出现频率，为学术前沿趋势提供了可视化信息。

摘要由CSDN通过智能技术生成

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')

在这里插入图片描述

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')

在这里插入图片描述

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')