[论文阅读] (26) 基于Excel可视化分析的论文实验图表绘制总结——以电影市场为例
《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。
前文详细介绍了向量表征系列文章，从Word2vec和Doc2vec到Deepwalk和Graph2vec，再到Asm2vec和Log2vec。这篇文章将描述Excel可视化分析的基本知识，以2022年电影市场为例。在论文中，一个好的图表胜千言万语，而实验数据生成后如何可视化表示至关重要，之前作者通常利用Python、Echarts等编写代码实现，而这篇文章将利用Excel生成，不论是代码、工具还是Office，它们都只是论文的辅助工具，更重要的是论文的创新和实验所生成的结果。基础性文章，希望您喜欢。一方面自己英文太差，只能通过最土的办法慢慢提升，另一方面是自己的个人学习笔记，并分享出来希望大家批评和指正。希望这篇文章对您有所帮助，这些大佬是真的值得我们去学习，献上小弟的膝盖~fighting！
文章目录
- 一.论文实验图表的重要性
- 二.柱状图绘制
- 三.饼图绘制
- 四.折线图绘制
- 五.条形图绘制
- 六.词云图绘制
- 七.方框图绘制
- 八.重点：四象限图绘制
- 九.重点：演员关系图谱绘制
- 十.总结
前文赏析：
- [论文阅读] (01) 拿什么来拯救我的拖延症？初学者如何提升编程兴趣及LATEX入门详解
- [论文阅读] (02) SP2019-Neural Cleanse: Identifying and Mitigating Backdoor Attacks in DNN
- [论文阅读] (03) 清华张超老师 - GreyOne: Discover Vulnerabilities with Data Flow Sensitive Fuzzing
- [论文阅读] (04) 人工智能真的安全吗？浙大团队外滩大会分享AI对抗样本技术
- [论文阅读] (05) NLP知识总结及NLP论文撰写之道——Pvop老师
- [论文阅读] (06) 万字详解什么是生成对抗网络GAN？经典论文及案例普及
- [论文阅读] (07) RAID2020 Cyber Threat Intelligence Modeling Based on Heterogeneous GCN
- [论文阅读] (08) NDSS2020 UNICORN: Runtime Provenance-Based Detector for Advanced Persistent Threats
- [论文阅读] (09)S&P2019 HOLMES Real-time APT Detection through Correlation of Suspicious Information Flow
- [论文阅读] (10)基于溯源图的APT攻击检测安全顶会总结
- [论文阅读] (11)ACE算法和暗通道先验图像去雾算法（Rizzi | 何恺明老师）
- [论文阅读] (12)英文论文引言introduction如何撰写及精句摘抄——以入侵检测系统(IDS)为例
- [论文阅读] (13)英文论文模型设计（Model Design）如何撰写及精句摘抄——以入侵检测系统(IDS)为例
- [论文阅读] (14)英文论文实验评估（Evaluation）如何撰写及精句摘抄（上）——以入侵检测系统(IDS)为例
- [论文阅读] (15)英文SCI论文审稿意见及应对策略学习笔记总结
- [论文阅读] (16)Powershell恶意代码检测论文总结及抽象语法树（AST）提取
- [论文阅读] (17)CCS2019 针对PowerShell脚本的轻量级去混淆和语义感知攻击检测
- [论文阅读] (18)英文论文Model Design和Overview如何撰写及精句摘抄——以系统AI安全顶会为例
- [论文阅读] (19)英文论文Evaluation（实验数据集、指标和环境）如何描述及精句摘抄——以系统AI安全顶会为例
- [论文阅读] (20)USENIXSec21 DeepReflect：通过二进制重构发现恶意功能（恶意代码ROI分析经典）
- [论文阅读] (21)S&P21 Survivalism: Systematic Analysis of Windows Malware Living-Off-The-Land (经典离地攻击)
- [论文阅读] (22)图神经网络及认知推理总结和普及-清华唐杰老师
- [论文阅读] (23)恶意代码作者溯源(去匿名化)经典论文阅读：二进制和源代码对比
- [论文阅读] (24)向量表征：从Word2vec和Doc2vec到Deepwalk和Graph2vec，再到Asm2vec和Log2vec（一）
- [论文阅读] (25)向量表征经典之DeepWalk：从Word2vec到DeepWalk，再到Asm2vec和Log2vec（二）
- [论文阅读] (26) 基于Excel可视化分析的论文实验图表绘制总结——以电影市场为例
一.论文实验图表的重要性
个人认为，实验部分同样重要，更重要是如何通过实验结果、对比实验、图表描述来支撑你的创新点，让审稿老师觉得，就应该这么做，amazing的工作。作为初学者，我们可能还不能做到非常完美的实验，但一定要让文章的实验足够详细，力争像该领域的顶级期刊或会议一样，并且能够很好的和论文主题相契合，这样文章的价值也体现出来了。
- 对于结果的呈现，作图是特别重要的，一张好图胜过千言万语。
图/表的十个关键点(10 key points)
- 说明部分要尽量把相应图表的内容表达清楚
- 图的说明一般在图的下边
- 表的说明一般在标的上边
- 表示整体数据的分布趋势的图不需太大
- 表示不同方法间细微差别的图不能太小
- 几个图并排放在一起，如果有可比性，并排图的取值范围最好一致，利于比较
- 实验结果跟baseline在绝对数值上差别不大，用列表价黑体字
- 实验结果跟baseline在绝对数值上差别较大，用柱状图/折线图视觉表现力更好
- 折线图要选择适当的颜色和图标，颜色选择要考虑黑白打印的效果
- 折线图的图标选择要有针对性：比如对比A, A+B, B+四种方法：
A和A+的图标要相对应（例如实心圆和空心圆），B和B+的图标相对应（例如实心三角形和空心三角形）
说明部分要尽量把相应图表的内容表达清楚
图的说明一般在图的下边；表的说明一般在表的上边；表示整体数据的分布趋势的图不需太大；表示不同方法间细微差别的图不能太小。
几个图并排放在一起，如果有可比性，并排图的x/y轴的取值范围最好一致，利于比
较。
实验结果跟baseline在绝对数值上差别不大，用列表加黑体字；实验结果跟baseline在绝对数值上差别较大，用柱状图/折线图视觉表现力更好。
折线图要选择适当的颜色和图标，颜色选择要考虑黑白打印的效果；折线图的图标选择要有针对性，比如对比A, A+，B, B+四种方法。
二.柱状图绘制
Office办公软件具有强大的功能，尤其是绘图方面，包括Excel、PPT、Visio等。下图展示WPS Excel常见的图表类型。
本文以2022年中国电影市场数据为例，介绍基于Excel可视化分析的论文实验图表绘制方法。首先是柱状图，其效果如下图所示。
第一步：假设存在如图所示的近十年总票房、国产片票房和票房过亿元电影数量。
第二步：选中表格数据，点击“插入”=>“全部图表”，然后选择包含柱状图和折线图的组合图。
生成结果如下图所示。
第三步：选中图片，右键“设置数据系列格式”，然后设置字体颜色、表格线条等内容。
设置颜色如下图所示：
第四步：设置柱状图的填充图案、间距、线条等内容，设置左右坐标轴的刻度，让图像更饱满。
此时效果图如下所示：
第五步：添加数据标签，这里需要设置折线图节点的形状，在“填充与线条”=>“标记”的“数据标记选项”中设置，如下图所示：
最终效果如图所示：
三.饼图绘制
饼图绘制效果如下图所示：
第一步：假设存在2022年国产片和进口片的占比。
第二步：选中表格数据，点击“插入”=>“全部图表”，然后选择饼图。
第三步：为更好地区分区域，设置形状及格式即可。
四.折线图绘制
折线图绘制效果如下图所示：
第一步：假设存在近四年中国内地电影市场每月票房数据，如下图所示，我们需要对比折线图变化趋势。
第二步：选中表格数据，点击“插入”=>“全部图表”，然后选择带节点的平缓折线图。
如下图所示：
第三步：设置折线的形状、格式并添加数据标签。
五.条形图绘制
为更好地比较近四年三大黄金档期票房，绘制如下图所示的条形图。
第一步：假设存在近四年中国内地电影市场三大黄金档期票房。
第二步：选中表格数据，点击“插入”=>“全部图表”，然后选择条形图。
第三步：设置条形图的格式即可。
六.词云图绘制
为更好地评估影投公司2022年对中国电影的贡献，绘制如下图所示的词云图。先前的词云通常利用Python调用WordCloud库或PyEcharts实现，Excel如今也具备该功能。
第一步：假设存在影投公司的综合票房数据。
第二步：选中表格数据，点击“插入”=>“全部图表”，然后从其它图表中选择词云图。
此时的效果如下图所示：
第三步：选择图像右键，设置不同字体的颜色及格式。
七.方框图绘制
玫瑰方框图绘制效果如下图所示：
第一步：假设2022年总票房前十的观众年龄画像如下图所示。
第二步：选中表格数据，点击“插入”=>“全部图表”，然后从其它图表中选择方框图。
第三步：设置字体大小及垂直居中即可。
八.重点：四象限图绘制
如果读者认为Excel仅能绘制简单的图形，那就错了。接下来我们利用Excel绘制一个比较难的图形——四象限图，通过该图来评估电影的用户画像，从票房和豆瓣评分两个角度介绍，也是本文的重点。效果图如下所示：
第一步：假设存在春节档和国庆档电影票房超10亿元的影评信息，如下图所示。我们将票房大于30亿元的定位超高票房电影，豆瓣评分大于7的认为高质量电影。那么，如何绘制四象限图呢？
第二步：选中春节档票房和豆瓣评分两列电影数据，然后添加带坐标的散点图。
如下图所示：
第三步：选中坐标轴右键“设置坐标轴格式”，设置横坐标（票房）“坐标轴值”为30亿元。
接着设置评分为7，此时效果如图所示。
第四步：为节点添加标签，即电影名称。右键选中节点，然后添加数据标签，如下图所示。那么，如何将评分替换为电影名称呢？
第五步：继续选中节点，右键“设置数据标签格式”。在“标签包括”选项中勾选“单元格中的值”。
然后选择在弹出的数据标签区域中选择电影名称，如下图所示：
接着在右类标签设置中仅显示“单元格中的值”，显示效果如下图所示：
第六步：设置坐标轴的格式，含颜色、字体、线条等类型，并添加箭头。
此外，重合的标签区分下，显示效果如下图所示：
第七步：添加国庆档的数据，按照上述方法再进行设置。右键“选择数据”。
添加数据。
选择两列对应数据。
点击确定后新增节点，如下图所示。
第八步：设置节点格式，以区分春节档和国庆档。
最终通过上述设置如下图所示：
三个档期对比图如下所示：
九.重点：演员关系图谱绘制
最后，本文将补充演员关系图谱，它也是电影产业分析的重要内容，如下图所示。
- 利用Gephi实现，而非Excel
第一步：假设存在2022年所有电影的演员统计表，如下图所示。演员和导演可以通过豆瓣填写。
第二步：将演员信息复制到data.txt中（仅部分），然后撰写代码提取演员两两合作关系。
#coding:utf-8
import csv
import os
import time
import numpy as np
from scipy.sparse import coo_matrix
from collections import Counter
def get_feature(fr_name,fw_name):
#记录关键词
word = []
all_str = ""
fr = open(fr_name,"r",encoding="utf-8")
#---------------------------------------------------------------------------
#读取数据
for line in fr.readlines():
line = line.strip()
line = line.replace("\n", "")
all_str += line + "/"
for n in line.split("/"):
if n not in word:
word.append(n)
fr.close()
print(len(word)) #关键词总数
print(word)
#数量统计
all_words = all_str.split("/")
c = Counter()
for x in all_words:
if len(x)>1 and x != '\r\n':
c[x] += 1
print('\n词频统计结果：')
for (k,v) in c.most_common(20):
print("%s:%d"%(k,v))
#采用coo_matrix函数解决该MemoryError矩阵过大汇报内存错误
word_vector = coo_matrix((len(word),len(word)), dtype=np.int32).toarray()
print(word_vector.shape)
#---------------------------------------------------------------------------
#计算共现矩阵
fr = open(fr_name,"r",encoding="utf-8")
num = 0
line = fr.readline()
while line:
line = line.strip()
line = line.replace("\n", "")
nums = line.split("/")
#print(nums)
#循环遍历关键词所在位置 设置word_vector计数
i,j = 0,0
while i<len(nums): #ABCD共现 AB AC AD BC BD CD加1
j = i + 1
w1 = nums[i] #第一个单词
while j<len(nums):
w2 = nums[j] #第二个单词
k = 0
n1 = 0
while k<len(word): #从word数组中找到单词对应的下标
if w1==word[k]:
n1 = k
break
k = k +1
#寻找第二个关键字位置
k = 0
n2 = 0
while k<len(word):
if w2==word[k]:
n2 = k
break
k = k +1
#重点:词频矩阵赋值 只计算上三角
if n1<=n2:
word_vector[n1][n2] = word_vector[n1][n2] + 1
else:
word_vector[n2][n1] = word_vector[n2][n1] + 1
j = j + 1
#print(w1,w2,n1,n2)
i = i + 1
num += 1
line = fr.readline()
fr.close()
print("next:",num)
#---------------------------------------------------------------------------
#CSV文件写入
fw = open(fw_name,"w",encoding="utf-8",newline="")
writer = csv.writer(fw)
writer.writerow(['Word1', 'Word2', 'Weight'])
i = 0
while i<len(word):
w1 = word[i]
j = 0
while j<len(word):
w2 = word[j]
#判断两个词是否共现 共现词频不为0的写入文件
if word_vector[i][j]>0:
#写入文件
templist = []
templist.append(w1)
templist.append(w2)
templist.append(str(int(word_vector[i][j])))
writer.writerow(templist)
j = j + 1
i = i + 1
else:
fw.close()
#共现分析
fr_name = "data.txt"
fw_name = "keywords-rela.csv"
get_feature(fr_name,fw_name)
print(fw_name)
代码的运行结果如下图所示，可以看到两两合作演员信息。
第三步：构建实体和关系数据集，按照gephi格式，如下图所示。
第四步：利用Gephi绘制知识图谱，导入数据至该软件并调整参数，详见作者前文。
- [Pyhon大数据分析] 五.人民网新闻话题抓取及Gephi构建主题知识图谱
最终结果如下图所示：
十.总结
写到这里，这篇文章就分享结束了，希望对您有所帮助，写得不好的地方，还请各位老师和博友批评指正。
提前祝大家新年快乐，也祝大家在读博和科研的路上不断前行。项目学习再忙，也要花点时间读论文和思考，这些大佬真心值得我们学习，加油！这篇文章就写到这里，希望对您有所帮助。由于作者英语实在太差，论文的水平也很低，写得不好的地方还请海涵和批评。同时，也欢迎大家讨论，继续努力！感恩遇见，且看且珍惜。
(By:Eastmount 2023-01-18 周三夜于贵阳 http://blog.csdn.net/eastmount/ )