В настоящее время я смотрю на dblp , базу данных научных публикаций. Более конкретно я смотрю на авторов.
Игнорируя проблему неуникальных имен, вы можете заметить, что некоторые авторы есть во многих публикациях:
1181x H. Vincent Poor
789x Lajos Hanzo
767x Witold Pedrycz
747x Mohamed-Slim Alouini
615x Chin-Chen Chang 0001
607x Dacheng Tao
591x Victor C. M. Leung
570x Wei Zhang
562x Wei Li
554x Wei Wang
Игнорируя нескольких авторов в одной публикации на данный момент, я посчитал, как часто авторы в базе данных имеют 1,2, 3, ..., 1181 публикацию. Я хочу понять это распределение:
count_of_counts = {1: 785070, 2: 239357, 3: 117040, 4: 70321, 5: 46957, 6: 33814, 7: 25141, 8: 19546, 9: 15821, 10: 13013, 11: 10615, 12: 8927, 13: 7622, 14: 6694, 15: 5973, 16: 5234, 17: 4673, 18: 4116, 19: 3653, 20: 3257, 21: 3062, 22: 2671, 23: 2516, 24: 2297, 25: 2182, 26: 1879, 27: 1775, 28: 1649, 29: 1584, 30: 1467, 31: 1326, 32: 1265, 34: 1170, 33: 1153, 35: 1038, 36: 977, 37: 900, 38: 872, 39: 807, 40: 727, 41: 691, 42: 670, 43: 611, 44: 592, 45: 585, 46: 573, 47: 549, 49: 509, 48: 478, 51: 465, 50: 456, 52: 419, 53: 398, 56: 364, 55: 352, 54: 346, 57: 315, 60: 304, 59: 294, 58: 290, 62: 267, 61: 260, 63: 249, 68: 220, 65: 211, 72: 205, 69: 205, 67: 205, 64: 204, 71: 198, 66: 191, 70: 182, 77: 169, 74: 164, 73: 161, 76: 155, 75: 152, 79: 140, 81: 132, 78: 127, 86: 122, 80: 120, 82: 115, 89: 111, 87: 108, 85: 106, 83: 105, 84: 96, 88: 91, 94: 84, 91: 81, 93: 79, 90: 79, 92: 78, 96: 76, 97: 73, 101: 71, 100: 70, 98: 70, 95: 69, 99: 67, 107: 64, 102: 61, 115: 58, 106: 58, 105: 56, 110: 54, 112: 52, 104: 52, 103: 49, 109: 48, 117: 46, 114: 46, 108: 46, 118: 44, 116: 40, 111: 40, 129: 39, 122: 37, 113: 36, 133: 32, 143: 30, 120: 30, 119: 30, 130: 29, 128: 29, 125: 29, 124: 29, 121: 28, 138: 27, 136: 27, 131: 27, 126: 27, 155: 24, 123: 24, 146: 23, 144: 23, 137: 23, 127: 23, 139: 22, 142: 21, 140: 21, 132: 21, 134: 20, 141: 19, 149: 18, 145: 18, 135: 18, 158: 17, 162: 16, 152: 16, 151: 16, 187: 15, 165: 15, 147: 15, 169: 14, 167: 14, 164: 14, 157: 14, 154: 14, 150: 14, 148: 14, 163: 13, 156: 13, 189: 12, 188: 12, 161: 12, 160: 12, 204: 11, 181: 11, 153: 11, 206: 10, 177: 10, 176: 10, 159: 10, 222: 9, 197: 9, 190: 9, 180: 9, 175: 9, 173: 9, 220: 8, 219: 8, 210: 8, 196: 8, 195: 8, 193: 8, 191: 8, 182: 8, 179: 8, 178: 8, 174: 8, 170: 8, 168: 8, 166: 8, 245: 7, 221: 7, 217: 7, 202: 7, 186: 7, 185: 7, 171: 7, 259: 6, 233: 6, 227: 6, 214: 6, 213: 6, 212: 6, 203: 6, 200: 6, 198: 6, 194: 6, 183: 6, 172: 6, 250: 5, 243: 5, 235: 5, 224: 5, 223: 5, 218: 5, 216: 5, 208: 5, 207: 5, 192: 5, 184: 5, 318: 4, 303: 4, 299: 4, 285: 4, 282: 4, 279: 4, 273: 4, 260: 4, 252: 4, 249: 4, 239: 4, 237: 4, 232: 4, 229: 4, 209: 4, 201: 4, 383: 3, 380: 3, 377: 3, 366: 3, 364: 3, 354: 3, 317: 3, 311: 3, 301: 3, 298: 3, 294: 3, 287: 3, 272: 3, 265: 3, 264: 3, 257: 3, 253: 3, 251: 3, 248: 3, 247: 3, 244: 3, 242: 3, 238: 3, 236: 3, 228: 3, 226: 3, 215: 3, 211: 3, 205: 3, 199: 3, 518: 2, 463: 2, 449: 2, 390: 2, 365: 2, 351: 2, 350: 2, 349: 2, 341: 2, 331: 2, 322: 2, 321: 2, 320: 2, 315: 2, 312: 2, 310: 2, 306: 2, 304: 2, 292: 2, 289: 2, 288: 2, 286: 2, 284: 2, 277: 2, 275: 2, 274: 2, 271: 2, 270: 2, 268: 2, 266: 2, 263: 2, 261: 2, 258: 2, 255: 2, 246: 2, 230: 2, 225: 2, 1181: 1, 789: 1, 767: 1, 747: 1, 615: 1, 607: 1, 591: 1, 570: 1, 562: 1, 554: 1, 541: 1, 529: 1, 526: 1, 522: 1, 521: 1, 515: 1, 513: 1, 502: 1, 488: 1, 485: 1, 475: 1, 466: 1, 461: 1, 459: 1, 457: 1, 455: 1, 452: 1, 446: 1, 435: 1, 432: 1, 430: 1, 429: 1, 409: 1, 407: 1, 405: 1, 403: 1, 391: 1, 388: 1, 386: 1, 385: 1, 384: 1, 379: 1, 374: 1, 372: 1, 369: 1, 367: 1, 362: 1, 361: 1, 360: 1, 357: 1, 356: 1, 355: 1, 345: 1, 339: 1, 337: 1, 335: 1, 333: 1, 332: 1, 329: 1, 327: 1, 326: 1, 325: 1, 324: 1, 323: 1, 319: 1, 316: 1, 314: 1, 308: 1, 305: 1, 302: 1, 300: 1, 296: 1, 293: 1, 290: 1, 283: 1, 281: 1, 280: 1, 278: 1, 269: 1, 267: 1, 254: 1, 240: 1, 234: 1, 231: 1}
У нас есть len(count_of_counts) = 392.
В этом тексте вы можете видеть, что 785 070 авторов сделали только одну публикацию.
Как я могу визуализировать это распределение?
Моя попытка
Я думал о простой гистограмме, но это скрыло бы, что автор "H. Vincent Poor" в некотором смысле "эквивалентен" 1181 авторам, у которых была только одна публикация.
Затем я подумал о гистограмме, где я группирую 392 группы до 10 групп. Разделение должно быть выбрано таким образом, чтобы группы были одинакового размера. При заданных числах это будет (392-1) nCr (10 - 1) \ 10 10 17 возможных расщеплений. Таким образом, слишком много, чтобы найти «лучшее» грубой силой. Хотя я мог представить, как это сделать, сначала мне хотелось бы узнать, выполняет ли одна из распространенных библиотек визуализации что-то подобное.
Я бы хотел создать сюжет так:
Я не знаю, как называется такая диаграмма. Я видел, как это используется для визуализации бюджета США. Это разновидность круговой диаграммы и должна иметь следующие свойства:
- Метка: первое число является важным. «1» в моем примере - это количество публикаций группы. Второе число - это количество людей, попадающих в эту группу.
- Размер группы (размер цветных прямоугольников) - это количество всей группы.
- Для группы "1" это просто число авторов
- Для группы "2" это в 2 раза больше авторов в группе
- Для группы 4-5 это в 4 раза больше авторов, имевших 4 публикации, + 5x числа авторов, имевших 5 публикаций.
- Группы (1 публикация, 2 публикации, 3 публикации, 4-5 публикаций, ...) должны быть выбраны таким образом, чтобы они имели разумный размер на диаграмме.
- Можно объединять только «соседние» группы (например, «4» и «5»).
Я бы предпочел сделать это с python , возможно, с matplotlib или seaborn , но я не уверен, что это (или что-то подобное) возможно.