‘‘‘
本文檔處理知網以RefWorks格式導出的文獻格式
‘‘‘
import?numpy?as?np
import?pandas?as?pd

data=pd.read_excel（‘data/cnki學習干預關鍵詞.xlsx‘）#?讀取原式數據，K1列是關鍵詞，以分號分割

keyword_dict=data[‘K1‘].to_dict（）?#讀取關鍵字列，并由numpy?seriers轉化為字典格式
keyword_dict={k:v.split（‘;‘）?for?kv?in?keyword_dict.items（）}#將每行（一篇論文）的關鍵詞分割成關鍵詞列表

#?將所有文章的關鍵詞組成一個大的列表，方便統計每個關鍵詞出現的次數，map比循環的速度更快
keyword_list=[]
for?v?in?keyword_dict.values（）:
????keyword_list.extend（v）
#?map（keyword_list.extendkeyword_dict.values（））不能使用？
keyword_list=filter（Nonekeyword_list）


#統計關鍵詞列表中每個關鍵詞出現的次數，找到高頻詞
#?keyword_set=set（keyword_list）
#?keyword_count1={k:keyword_list.count（k）?for?k?in?keyword_set}
from?collections?import?Counter
keyword_count=Counter（keyword_list）

#產生高頻詞列表，按從大到小排序
keyword_high_filter=1?#設定高頻詞閾值
keyword_high={k:v?for?kv?in?keyword_count.items（）?if?v>keyword_high_filter}#過濾掉低頻詞，保留高頻詞
keyword_sort=sorted（keyword_high.items（）key=lambda?item?:item[1]reverse=True）?#按照詞頻從大到小排序
keyword_sort=dict（keyword_sort）
#構建高頻詞的共現矩陣
keyword_comatrix=pd.Dataframe（index=keyword_sort.keys（）columns=keyword_sort.keys（））#初始化關鍵詞共現矩陣
keyword_comatrix_like=pd.Dataframe（index=keyword_sort.keys（）columns=keyword_sort.keys（））#初始化關鍵詞共現矩陣
keyword=list（keyword_sort.keys（））
keyword_len=len（keyword）?#關鍵詞個數
for?i?in?range（keyword_len）:
???s1=?keyword[i]#關鍵詞1
???keyword_comatrix.iloc[i?i]=keyword_sort[s1]?#設定關鍵詞共現矩陣的的對角線都為0
???keyword_comatrix_like.iloc[i?i]?=?1
???for?j?in?range（i+1keyword_len）:
????????s2=keyword[j]#關鍵詞2
????????s=set（[s1s2]）
????????#統計關鍵詞1、2在各個論文里共同出現的次數，即共現次數
????????keyword_comatrix.iloc[j?i]=keyword_comatrix.iloc[ij]=sum（[s.issubset（set（v））?for?v?in?keyword_dict.values（）]）
????????keyword_comatrix_like.iloc[j?i]=keyword_comatrix_like.iloc[ij]=keyword_comatrix.iloc[ij]/np.sqrt（keyword_sort[s1]*keyword_sort[s2]）

#將數據輸出達到excel
with?pd.ExcelWriter（‘solve.xls‘）?as?wr:
????pd.Series（keyword_count）.to_excel（wr?‘keyword_all‘）
????pd.Series（keyword_sort）.to_excel（wr‘keyword‘）
????keyword_comatrix.to_excel（wr‘keyword_comatrix‘）
????keyword_comatrix_like.to_excel（wr?‘keyword_comatrix_like‘）


‘‘‘
利用關鍵詞共現的相似矩陣，進行譜聚類
‘‘‘
from?sklearn.cluster?import?SpectralClustering
n_clusters=5
clustering?=?SpectralClustering（n_clusters=n_clustersaffinity=‘precomputed‘assign_labels=“discretize“）
clf=clustering.fit（keyword_comatrix_like.values）
keyword_cluster_labels=clf.labels_?#分類后的各點的類標簽

‘‘‘
關鍵詞共現的社會網絡分析
‘‘‘
import?networkx?as?nx
import?matplotlib.pyplot?as?plt

plt.rcParams[‘font.sans-serif‘]?=?[‘SimHei‘]?#?步驟一（替換sans-serif字體）
plt.rcParams[‘axes.unicode_minus‘]?=?False???#?步驟二（解決坐標軸負數的負號顯示問題）

G=nx.Graph（keyword_comatrix）
#pos?=?nx.get_node_attributes（G?‘location‘）
colors=[‘r‘‘b‘‘g‘‘y‘‘purple‘]
node_color?=[colors[v]?for?v?in?keyword_cluster_labels]
node_size=np.array（[G.degree（v）?for?v?in?G]）*150
#pos=nx.spring_layout（G）
#node_size?=?[0.0005*nx.get_node_attributes（G?‘population‘）[v]?for?v?in?G]
edge_width?=?[2*keyword_comatrix.loc[uv]?f

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件??????180321??2019-04-16?14:33??data\cnki學習干預關鍵詞.xls
?????文件??????105650??2019-04-16?14:40??data\cnki學習干預關鍵詞.xlsx
?????文件?????????250??2019-04-18?11:22??data\keywordnetwork.py
?????文件????????3913??2019-04-28?11:05??get_matrix.py
?????目錄???????????0??2019-04-18?21:28??data\