Datawhale 第二次打卡
开源:
Datawhale开源内容
主题: 对论文作者统计
统计出所有论文作者出现频率Top10的姓名。
重点:
数据统计
- 统计所有作者姓名出现频率的Top10
- 统计所有作者姓氏的出现频率的Top10
- 统计所有作者姓的第一个字符的频率
# 选择类别为cs.CV下面的论文
data2 = data[data['categories'].apply(lambda x: 'cs.CV' in x)]
# 拼接所有作者
all_authors = sum(data2['authors_parsed'], [])
处理完成后all_authors变成了所有一个list,其中每个元素为一个作者的姓名。我们首先来完成姓名频率的统计。
# 拼接所有的作者
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')
得到结果
后续的内容类似,不进行笔记