之前收到了一個研究nostalgia的學(xué)術(shù)大牛的主頁，粗略數(shù)了數(shù)，大概1年發(fā)了30來篇的文章。這讓我就很好奇，這種學(xué)術(shù)大牛是怎么養(yǎng)成的。

主頁：southampton.ac.uk/psychology/about/staff/cs2.page#publications

主頁.png

因此，根據(jù)這頁的文本內(nèi)容，想獲得這個學(xué)術(shù)大牛的發(fā)表情況，以及和其他學(xué)者之間的合作情況。當(dāng)然，主要就是想學(xué)習(xí)一下關(guān)系網(wǎng)絡(luò)圖的繪制。

根據(jù)哪個工作順手用哪個的原則，整個工作使用了Stata，Python和Excel。

1. 過程

主要過程包括：

1. 準(zhǔn)備數(shù)據(jù)源：將主頁發(fā)表情況復(fù)制到txt；
2. 提取字段：使用Python利用正則表達(dá)式，提取作者，年份，標(biāo)題，發(fā)表期刊等數(shù)據(jù)；
3. 數(shù)據(jù)清洗：再用Stata和Excel清洗數(shù)據(jù)；
4. 數(shù)據(jù)整理：使用Python和Stata整理數(shù)據(jù)，主要是作者之間的合作情況及次數(shù)；
5. 分析結(jié)果：使用Python和Stata得出結(jié)果導(dǎo)出Excel，并用Python制作關(guān)系網(wǎng)絡(luò)圖。

整個過程中比較花費(fèi)時間的就是數(shù)據(jù)清洗過程，主要是作者名字清洗，很多同一個人但是不同縮寫情況，有的名字還寫錯了。。。orz

再來就是，根據(jù)每篇文獻(xiàn)的作者們整理出大牛和其他學(xué)者的合作情況，以及這些發(fā)表物中所有作者之間的合作關(guān)系數(shù)據(jù)。

清洗過程略微繁雜瑣碎，就不細(xì)講了，直接把結(jié)果展示下吧。

2. 結(jié)果

a. 所有發(fā)表

單就發(fā)表期刊文章（Journal）來說，最多一年發(fā)表了33篇（含一作和非一作）。而且，至今還有32篇已經(jīng)接受或待發(fā)表，這在社科領(lǐng)域真是不少了。。。

所有發(fā)表.png

而在所有發(fā)表的期刊文章中，JPSP（社會心理學(xué)領(lǐng)域頂刊）發(fā)表數(shù)量最多。

期刊文章.png

b. 一作發(fā)表

單拎出大牛作為第一作者的發(fā)表情況來看，每年也算是高產(chǎn)啊。。。

一作發(fā)表.png

就發(fā)表期刊來看，作為一作，發(fā)表最多的依然是JPSP。。。

一作期刊.png

c. 非一作發(fā)表

再來看看非一作發(fā)表情況，2018年光是和其他學(xué)者合作就發(fā)表了30篇文章。。。大牛都不是單打獨(dú)斗的。

非一作發(fā)表.png

意料之中的，非一作發(fā)表最多的依然是JPSP~

非一作期刊.png

d. 合作者情況

首先，整理出了和每個作者合作次數(shù)情況，這里列出合作次數(shù)大于等于10次的吧，基本是都是nostalgia領(lǐng)域的大牛了。

合作者.png

e. 關(guān)系網(wǎng)絡(luò)圖

最后，為了做出關(guān)系網(wǎng)絡(luò)圖，整理出兩兩作者之間的合作次數(shù)，部分?jǐn)?shù)據(jù)結(jié)果如下圖所示。

關(guān)系網(wǎng)絡(luò).png

然后，使用python的networkx包制作關(guān)系網(wǎng)絡(luò)圖（沒有方向，但有權(quán)重），代碼如下：

其中，author1，author2和cooperation_num分別是a，b，weight

import matplotlib.pyplot as plt
import networkx as nx
import os
import pandas as pd

path = os.getcwd()
link = 'Authors_linkdata.xlsx'
link_df = pd.read_excel(path+'/'+link)
link_df.columns = ['a','b', 'weight']

G = nx.Graph()

for i in range(len(link_df)):
    G.add_edge(link_df['a'][i],link_df['b'][i],weight = link_df['weight'][i]
        )

pos = nx.spring_layout(G)

nx.draw_networkx_nodes(G, pos, node_size=30)
nx.draw_networkx_labels(G, pos, font_size=7)
nx.draw_networkx_edges(G, pos, width=1, edge_color='r',alpha = 0.5)

plt.axis('off')
plt.show()

得出來的圖就是醬紫的啦~以這位學(xué)術(shù)大牛為中心，可以說，距離越近，和這位大牛的合作次數(shù)越多。

而且，除了圍繞這個學(xué)術(shù)大牛有個關(guān)系網(wǎng)外，左下角和右上角分別也有兩個學(xué)術(shù)“小團(tuán)體”喲。

Authors_Network.png

本來還用pyecharts的graph做了關(guān)系網(wǎng)絡(luò)圖，但是，那個太難看了，而且在不斷地運(yùn)動，就不呈現(xiàn)了，感興趣的可以自行百度學(xué)習(xí)啦~