实验目的： 学会使用Pandas操作csv数据集，并进行可视化。 数据集描述： 该数据集是CNKI中与“中药毒理反应”相关的文献信息，包含文章题目、作者、来源（出版社）、摘要、发表时间等信息。 实验要求： 1. 使用Pandas读取数据集。 2. 统计每年的发文数量，并绘制折线图。 3. 统计出版社的发文量信息，列出发文前10位的出版社。 4. 使用jieba分词，对摘要进行分词统计，制作词频前30位的词云图。（需安装jieba分词和词云工具包）。 结果提交： 使用jupyter notebook进行程序编写，形成.ipynb文件，使用“学号姓名”的方式进行命名，数据文件放在该文件同目录下。

好的，这个实验的要求比较明确，我将按照要求一步一步地指导你完成实验。

首先，你需要下载数据集并放到程序同目录下，然后使用Pandas读取数据集。你可以使用以下代码：

import pandas as pd

df = pd.read_csv('cnki.csv', encoding='gbk')

其中，'cnki.csv'是你下载的数据集文件名，需要根据实际情况进行修改。encoding='gbk'是因为该数据集使用了gbk编码方式。

接下来，我们需要统计每年的发文数量，并绘制折线图。你可以使用以下代码：

import matplotlib.pyplot as plt

df['year'] = df['发表时间'].str[:4]
year_count = df['year'].value_counts().sort_index()
plt.plot(year_count.index, year_count.values)
plt.title('每年发文数量')
plt.xlabel('年份')
plt.ylabel('发文数量')
plt.show()

其中，我们新添加了一个year列，用于存储每篇文章的发表年份。然后使用value_counts()方法统计每个年份的文章数量，并使用sort_index()方法按照年份排序。最后使用Matplotlib绘制折线图。

接下来，我们需要统计出版社的发文量信息，列出发文前10位的出版社。你可以使用以下代码：

publisher_count = df['来源'].value_counts()
top10_publisher = publisher_count.head(10)
print(top10_publisher)

其中，我们使用value_counts()方法统计每个出版社的文章数量，然后使用head(10)方法取出前10个出版社。

最后，我们需要使用jieba分词，对摘要进行分词统计，制作词频前30位的词云图。你需要先安装jieba和wordcloud库，可以使用以下代码：

!pip install jieba
!pip install wordcloud

安装完成后，你可以使用以下代码制作词云图：

import jieba
from wordcloud import WordCloud

text = ''.join(df['摘要'])
words = jieba.cut(text)
word_count = {}
for word in words:
    if len(word) >= 2:
        word_count[word] = word_count.get(word, 0) + 1
wordcloud = WordCloud(background_color='white', font_path='msyh.ttc').generate_from_frequencies(word_count)
plt.imshow(wordcloud)
plt.axis('off')
plt.show()

其中，我们首先使用''.join(df['摘要'])将所有摘要拼接成一个字符串，然后使用jieba.cut()方法对摘要进行分词。接着，我们使用一个字典word_count来统计每个词出现的次数。注意，我们只统计长度大于等于2的词。最后，我们使用WordCloud库生成词云图，并使用Matplotlib显示。

完成实验后，你需要将程序保存为.ipynb文件，并将数据集文件放在同一目录下，最后以“学号姓名”的方式进行命名。