实验要求 实验目的： 学会使用Pandas操作数据集，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，这个实验比较有趣，我们来一步一步实现。

首先，我们需要导入必要的库：pandas、matplotlib、jieba和wordcloud。如果你还没有安装这些库，请在命令行中运行以下命令安装：

pip install pandas matplotlib jieba wordcloud

然后，我们开始实验：

## 1. 使用Pandas读取数据集

首先，我们需要导入Pandas库，并使用read_csv函数读取CSV格式的数据集。

import pandas as pd

# 读取CSV文件
df = pd.read_csv('data.csv')

假设我们的数据集文件名为"data.csv"，并且它在当前工作目录中。

读入数据后，我们可以使用head函数查看前5行数据：

print(df.head())

## 2. 统计每年的发文数量，并绘制折线图

我们可以使用Pandas库中的groupby函数对年份进行分组，然后计算每年的文章数量。

# 提取年份列
df['year'] = pd.to_datetime(df['发表时间']).dt.year

# 按年份分组，计算每年的文章数量
count_by_year = df.groupby('year').size()

print(count_by_year)

最后，我们可以使用matplotlib库绘制折线图：

import matplotlib.pyplot as plt

plt.plot(count_by_year.index, count_by_year.values)
plt.xlabel('Year')
plt.ylabel('Article Count')
plt.title('Number of articles published each year')
plt.show()

## 3. 统计出版社的发文量信息，列出发文前10位的出版社

我们可以使用Pandas库中的groupby函数对出版社进行分组，然后计算每个出版社的文章数量。

# 按出版社分组，计算每个出版社的文章数量
count_by_publisher = df.groupby('出版社').size()

# 按文章数量降序排序，获取前10名出版社
top_publishers = count_by_publisher.sort_values(ascending=False).head(10)

print(top_publishers)

## 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

我们需要先安装jieba和wordcloud库：

pip install jieba wordcloud

然后，我们可以使用jieba库对摘要进行分词：

import jieba

# 定义分词函数
def cut_words(text):
    words = jieba.cut(text)
    return ' '.join(words)

# 对摘要进行分词
df['摘要'] = df['摘要'].apply(cut_words)

接着，我们可以使用wordcloud库制作词云图：

from wordcloud import WordCloud

# 合并所有摘要为一个字符串
text = ' '.join(df['摘要'].tolist())

# 生成词云图
wordcloud = WordCloud(width=800, height=400, background_color='white', max_words=30).generate(text)

# 显示词云图
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

完整代码如下：