Круто - код работал, поэтому структуры данных понятны!В качестве подхода мы строим матрицу коннективности как для статей / авторов, так и для авторов / соавторов.
Список авторов: Если вы хотите описать связь между статьями иАвторы, я думаю, вам нужен список авторов каждой статьи
authors = []
author_lists = [] # <--- new
for record in records:
au = record.get('AU', '?')
author_lists.append(au) # <--- new
for a in au:
if a not in authors: authors.append(a)
authors.sort()
print(authors)
numpy, pandas matplotlib - это просто способ, которым я привык работать
import numpy as np
import pandas as pd
import matplotlib.pylab as plt
AU = np.array(authors) # authors as np-array
NA = AU.shape[0] # number of authors
NL = len(author_lists) # number of articles/author lists
AUL = np.array(author_lists) # author lists as np-array
print('NA, NL', NA,NL)
Связность статей / авторов
CON = np.zeros((NL,NA),dtype=int) # initializes connectivity matrix
for j in range(NL): # run through the article's author list
aul = np.array(AUL[j]) # get a single author list as np-array
z = np.zeros((NA),dtype=int)
for k in range(len(aul)): # get a singel author
z += (AU==aul[k]) # get it's position in the AU, add it up
CON[j,:] = z # insert the result in the connectivity matrix
#---- grafics --------
fig = plt.figure(figsize=(20,10)) ;
plt.spy(CON, marker ='s', color='chartreuse', markersize=5)
plt.xlabel('Authors'); plt.ylabel('Articles'); plt.title('Authors of the articles', fontweight='bold')
plt.show()
Связность авторов / соавторов , полученная матрицасимметрична
df = pd.DataFrame(CON) # let's use pandas for the following step
ACON = np.zeros((NA,NA)) # initialize the conncetivity matrix
for j in range(NA): # run through the authors
df_a = df[df.iloc[:, j] >0] # give all rows with author j involved
w = np.array(df_a.sum()) # sum the rows, store it in np-array
ACON[j] = w # insert it in the connectivity matrix
#---- grafics --------
fig = plt.figure(figsize=(10,10)) ;
plt.spy(ACON, marker ='s', color='chartreuse', markersize=3)
plt.xlabel('Authors'); plt.ylabel('Authors'); plt.title('Authors that are co-authors', fontweight='bold')
plt.show()
Для графики с Networkx , я думаю, вам нужны четкие идеи, которые вы хотите представить,потому что есть много точек и много возможностей тоже (возможно, вы разместите пример?).Только несколько авторских цирков приведены ниже.
import networkx as nx
def set_edges(Q):
case = 'A'
if case=='A':
Q1 = np.roll(Q,shift=1)
Edges = np.vstack((Q,Q1)).T
return Edges
Q = nx.Graph()
Q.clear()
AT = np.triu(ACON) # only the tridiagonal is needed
fig = plt.figure(figsize=(7,7)) ;
for k in range (9):
iA = np.argwhere(AT[k]>0).ravel() # get the indices with AT{k}>0
Edges = set_edges(iA) # select the involved nodes and set the edges
Q.add_edges_from(Edges, with_labels=True)
nx.draw(Q, alpha=0.5)
plt.title('Co-author-ship', fontweight='bold')
plt.show()
