周末接了一个简单的文献信息统计任务，主要是从txt里提取关键、被引量、作者什么的，再简单画下图。有段时间没用过matplotlib了，所以花了点时间（捂脸
输入文件介绍
web of science 核心合集的字段标识
我接到的就是tab分隔的、包含这些字段的多条记录。
表头有：
PT AU BA BE GP AF BF CA TI SO SE BS LA DT CT CY CL SP HO DE ID AB C1 RP EM RI OI FU FX CR NR TC Z9 U1 U2 PU PI PA SN EI BN J9 JI PD PY VL IS PN SU SI MA BP EP AR DI D2 EA PG WC SC GA UT PM OA HC HP DA
任务中涉及到的包括：
| 缩写 | 解释 |
|---|---|
| PY | 发表年份 |
| TC | Web of Science 核心合集的被引次数 |
| Z9 | 被引频次合计 |
| AU | 作者 |
| DE | 关键词 |
对于前四个，主要用了条形图、折线图和饼图，对于关键词用了词云做展示（对于作者，我本来也想搞词云的，但是显示得不太好看，就放弃了）。
条形图
水平条形图
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
def read(file_name):
sheets = pd.read_excel(file_name, sheet_name=None)
sheet_names = list(sheets.keys())
for sheet in sheet_names:
df = sheets[sheet]
# 按年份聚合一下
group1 = df.groupby('PY') # 发表年份
years1 = []
cnt1 = []
for name, group in group1:
years1.append(name) # 比如2007, 2010这样
cnt1.append(group.shape[0]) # group.shape是r行c列的, c=df.shape[1]
# 年度发文量-水平条形图
plt.barh(range(len(years1)), cnt1, align='center', color='steelblue', alpha=0.8)
plt.xlabel('年度发文量')
plt.ylabel('年份')
plt.title('年度发文量分布情况')
plt.yticks(range(len(years1)), years1)
plt.xlim([min(cnt1)-1, max(cnt1)+50])
for x,y in enumerate(cnt1):
plt.text(y+0.1, x, '%s'%y, va='center')
plt.show()
效果：
普通条形图
还是用上面读到的df。这里大概想搞一个直方图，不过matplotlib的直方图函数跟我要的不太一样，所以我手动分组，计算每组的频数，然后画了条形图。这次方向是竖直的。
temp = df[df[col] <= i + 100].count()[‘PT’] 这里是筛选col列小于i+100的记录，计数。因为这个计数其实是每列都计数了，PT列是类型，只有一个，所以它的加和就是数目了
draw_tc(df, "TC", 5000, "Web of Science 核心合集的被引次数")
def draw_tc(df, col, up, title):
td = []
tn = []
# 以下是分组
t = 0
for i in range(0, 500, 100):
temp = df[df[col] <= i + 100].count()['PT']
name = str(i) + "-" + str(i + 100)
td.append(temp - t)
tn.append(name)
t = temp
for i in range(500, 2500, 500):
temp = df[df[col]<= i + 500].count()[c'PT']
name = str(i) + "-" + str(i + 500)
td.append(temp - t)
tn.append(name)
t = temp
temp2 = df[df[col] <= up].count()['PT']
name = "2500-" + str(up)
td.append(temp2 - temp)
tn.append(name)
print(td)
print(tn)
plt.xticks(range(len(tn)), tn) # 注意！x是list(数字)
plt.bar(range(len(tn)), td) # 这里的参数x与xticks的参数x，你品
for x, y in enumerate(td):
plt.text(x, y, '%s' % y)
plt.ylabel("文章数量")
plt.xlabel("被引数量范围")
plt.title(title + "分布情况")
plt.show()
效果如下：
折线图
折线图用的是水平条形图里的years1和cnt1的数据。
plt.plot(years1, cnt1, c='blue') # 画蓝色的线
plt.scatter(years1, cnt1, c="red") # 线上的每个点，红的
plt.xticks(years1, [i for i in years1]) # 这个之前我没设置，就有了1997.5这样离谱的年份
plt.ylabel('年度发文量')
plt.xlabel('年份')
plt.title('年度发文量分布情况')
plt.show()
饼图
def draw_pie_plot(dat, name, title):
y = np.array(dat) # dat是一个list,装的是数字
# name装的是dat中每个数字对应的名称
# autopct指计算出的每个百分比值，保留一位小数
# explode与name的长度相同，对应每一块的位置（按占比递减顺序）。越大的值表示这一角越靠外。也可以有负值的
plt.pie(y, labels=name, autopct='%.1f%%', explode=[0,0,0,0,0,0,0.3])
plt.title(title)
plt.show()
比如下图设置的就是explode=[0,-0.1,0.8]
词云图
词云用的是wordcloud包。pip装一下即可。
from wordcloud import WordCloud
# s是有固定分隔符的长字符串。词云图显示的词就是;内的一个一个词
s = "1;test;2004;2;test"
wordcloud = WordCloud(background_color='white', width=2000, height=1500,
margin=0).generate(s)
# 显示图片
plt.imshow(wordcloud)
plt.axis('off')
plt.show()
