用python做文献计量学全代码

最新推荐文章于 2024-02-03 23:55:11 发布

飞时过

最新推荐文章于 2024-02-03 23:55:11 发布

阅读量1.8k

点赞数

分类专栏： python数据科学详细代码及注释文章标签： python 数据分析大数据自然语言处理

本文链接：https://blog.csdn.net/weixin_46082802/article/details/119855685

版权

本文档介绍了如何使用Python进行文献计量学分析，包括数据导入、数据处理、图表绘制和话题建模。通过metaknowledge库展示了文献年份分布、期刊引用分析、主题建模（NMF和LDA）等步骤，还涉及了网络分析中的共引网络和合作网络的构建。

摘要由CSDN通过智能技术生成

各位朋友大家好，今天给大家带来文献计量学的知识和全代码，文献计量学是属于一门边缘学科，交叉科学。我在网上浏览了一下，用R和专属工具做的已经有老师进行了展示，python的还没有所以在这里给大家一个全面的展示

下面把全代码给大家：

import metaknowledge as mk
import pandas
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline
get_ipython().magic("config InlineBackend.figure_format = 'retina'")

sns.set_style(style="white") # change the default background plot colour
sns.set(font_scale=.75)
plt.rc("savefig", dpi=400) # improve default resolution of graphics

#交互作图库
import chart_studio.plotly as py
import plotly.graph_objs as go
#导入文献检索
import os
os.chdir('E:/pythoncode2021/metaknowledge')
RC = mk.RecordCollection('raw_data/imetrics/', cached = True)
len(RC)
RC.writeCSV('generated_datasets/reco.csv')
##
RC1314 = RC.yearSplit(2013, 2014)
gender_breakdown = RC1314.genderStats()
gender_breakdown
##
print(RC.glimpse())
##
df = pandas.DataFrame(RC.makeDict())
selectedVars = df[['AF', 'AB', 'PY', 'TI', 'SO', 'num-Authors', 'TC']]
selectedVars[:10] # show the first 10 rows.
df.columns.values.tolist()
top_40 = selectedVars.sort_values(['TC'], ascending = False)[:40]
top_40.head()

trace = go.Bar(
x=top_40['TI'],
y=top_40['TC']
)

data = [trace]

layout = go.Layout(
yaxis=dict(
title='Times Cited',
)
)

fig = go.Figure(data=data, layout=layout)
#py.iplot(fig, filename='times-cited')
#import plotly.io as pio
#pio.renderers.default='notebook'
#fig.show()
from plotly.offline import plot
plot(fig)
#把每篇文章进行题目的缩小
top_40['short_title'] = top_40['TI'].str[:20]
top_40[['TI', 'short_title', 'TC']].head()
#画图
with sns.axes_style("white"):
horizontal_bar = sns.barplot(data = top_40, x = 'TC', y = 'short_title', color = 'gray')
horizontal_bar.set(xlabel='Number of Citations', ylabel='')
sns.despine(left = True, right = True, bottom = True, top = True)
plt.tight_layout()
plt.savefig('figures/horizontal_barplot.png')
plt.savefig('figures/horizontal_barplot.pdf')
#[2:] removes incomplete data from 2016
growth = pandas.DataFrame(RC.timeSeries('year', outputFile = 'generated_datasets/growth.csv'))[2:]
growth[:10]
with sns.axes_style("white"):
plt.plot(growth['year'], growth['count'], color