微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis

文章目录任务5：作者信息关联5.1 任务说明5.2 数据处理步骤5.3 社交网络分析5.3.1 图类型5.3.2 图统计指标5.4 具体代码以及讲解 任务5：作者信息关联 5.1 任务说明 学习主题：作者关联（数据建模任务），对论文作者关系进行建模，统计最常出现的作者关系； 学习内容：构建作者关系图，挖掘作者关系 学习成果：论文作者知识图谱、图关系挖掘 5.2 数据处理步骤 将作者列表进行处理，并完成统计。具体步骤如下： 将论文第一作者与其他作者（论文非第一作者）构建图； 使用图算法统计图中作者与其他

文章目录任务4：论文种类分类4.1 任务说明4.2 数据处理步骤4.3 文本分类思路4.4 具体代码实现以及讲解4.4.1 思路14.4.2 思路2 任务4：论文种类分类 4.1 任务说明 学习主题：论文分类（数据建模任务），利用已有数据建模，对新论文进行类别分类； 学习内容：使用论文标题完成类别分类； 学习成果：学会文本分类的基本方法、TF-IDF等； 4.2 数据处理步骤 在原始arxiv论文中论文都有对应的类别，而论文类别是作者填写的。在本次任务中我们可以借助论文的标题和摘要完成： 对论文标题和

文章目录任务3：论文代码统计3.1 任务说明3.2 数据处理步骤3.3 正则表达式3.3.1 普通字符：大写和小写字母、所有数字、所有标点符号和一些其他符号3.3.2 特殊字符：有特殊含义的字符3.3.3 限定符3.4 具体代码实现以及讲解 任务3：论文代码统计 3.1 任务说明 任务主题：论文代码统计，统计所有论文出现代码的相关统计； 任务内容：使用正则表达式统计代码连接、页数和图表数据； 任务成果：学习正则表达式统计； 3.2 数据处理步骤 在原始arxiv数据集中作者经常会在论文的comments

文章目录任务2：论文作者统计2.1 任务说明2.2 数据处理步骤2.3 字符串处理2.4 具体代码实现以及讲解2.4.1 数据读取2.4.2 数据统计小小总结 任务2：论文作者统计 2.1 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； 任务成果：学习 Pandas 的字符串操作； 2.2 数据处理步骤 在原始arxiv数据集中论文作者authors字段是一个字符串格式，其中每个作者使用逗号进行分隔分

任务说明 任务主题：论文数量统计，即统计2019年全年计算机各个方向论文数量； 任务内容：赛题的理解、使用 Pandas 读取数据并进行统计； 任务成果：学习 Pandas 的基础操作； 可参考的学习资料：开源组织Datawhale joyful-pandas项目 数据集介绍 数据集来源：数据集链接； 数据集的格式如下： id：arXiv ID，可用于访问论文； submitter：论文提交者； authors：论文作者； title：论文标题； comments：论文页数和图表等其他信息； jou