task2
一.任务说明
二.数据处理
三.字符串处理
四.具体代码实现以及一定讲解
五.结果
任务说明
任务主题:论文作者统计,统计所有论文作者出现评率Top10的姓名;
任务内容:论文作者的统计、使用 Pandas 读取数据并使用字符串操作;
数据处理
1.使用逗号对作者进行切分;
2.剔除单个作者中非常规的字符;
处理字符串
使用引号('或")来创建字符串
具体代码实现以及操作
1.导入所需库
import seaborn as sns
from bs4 import BeautifulSoup
import re
import requests
import json
import pandas as pd
import matplotlib.pyplot as plt
2.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(姓名最后一个单词)的出现频率的Top10;统计所有作者姓第一个字符的评率;
具体操作:
(1)data2 = data[data[‘categories’].apply(lambda x: ‘cs.CV’ in x)]
all_authors = sum(data2[‘authors_parsed’], [])
(2)authors_names = [’ '.join(x) for x in all_authors]
authors_names = pd.DataFrame(authors_names)
plt.figure(figsize(10,6))authors_names[0].value_counts().head(10).plot(kind=‘barh’)
names=authors_names[0].value_counts().index.values[:10]_ = plt.yticks(range(0, len(names)), names)plt.ylabel(‘Author’)plt.xlabel(‘Count’)
(3)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’
结果
`