-
Notifications
You must be signed in to change notification settings - Fork 0
/
e_produire_graphique.py
1274 lines (983 loc) · 55.9 KB
/
e_produire_graphique.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
import pandas as pd, matplotlib, matplotlib.pyplot as plt
import numpy as np, math
"""
circulaire : bilan open access sur une année
oa_evol : evolution taux open access par an et type oa
oa_discipline : type d'accès ouvert par discipline
oa_editeur : type d'accès ouvert par éditeurs
publication_discipline : n
doctype_discipline : doctype par discipline
doctype_evol : doctype évolution par années
evol types d'accès ouvert green to diamond
"""
df_raw = pd.read_csv("./data/out/step_d_complete.csv", dtype={"published_year":"string"}, na_filter=False, low_memory=False)
# filtre : retrait des documents de paratexte
df = df_raw[df_raw["is_paratext"] == ""]
# nb: des publications ne sont pas dans la fourchette souhaitée [2016-2020]
# les noms des graphiques possibles :
# circulaire // oa_evol // oa_discipline // oa_editeur //
# comparaison_bases // apc_evol // apc_discipline // bibliodiversity
# publication_discipline // doctype_evol
# hal_evol // hal_discipline
graph = "bibliodiversity_discipline"
#====================bibliodiversity_discipline=======================================
# pour éclairer la bibiodiversité pour une.des disciplines en particulier
# attention pb affichage pour phrase bibliodiversité : plt.text
if graph == "bibliodiversity_discipline" :
sel_discipline = ["Medical research"]
year = "2020.0"
print("graphique bibliodiversity")
oneyear = df[ (df["published_year"] == year) & (df["publisher"] != "") & (df["scientific_field"].isin(sel_discipline))].copy()
print(oneyear["scientific_field"].value_counts())
#fusionner les éditeurs au mm nom
oneyear["publisher"].replace({"Elsevier BV": "Elsevier"}, inplace = True)
oneyear["publisher"].replace({"Springer Science and Business Media LLC": "Springer"}, inplace = True)
oneyear["publisher"].replace({"Springer International Publishing": "Springer"}, inplace = True)
oneyear["publisher"].replace({"Editions Dalloz": "Dalloz"}, inplace = True)
#print(oneyear["publisher"].value_counts())
bibdiversity = pd.crosstab(oneyear["publisher"], oneyear["is_oa"])
bibdiversity["total"] = bibdiversity[False] + bibdiversity[True]
# renomer les colonnes
bibdiversity.columns = ["not_oa", "is_oa", "total"]
bibdiversity.sort_values(by = "total", ascending = False, inplace = True)
### données pour la phrase "n publisher publient 50 % des publications d'UP"
nb_publisher = len(bibdiversity)
nb_publications = bibdiversity["total"].sum()
one_percent = round(nb_publisher/100)
print("1 % des éditeurs = ", one_percent, "publishers")
one_percent_total = bibdiversity["total"].iloc[0 : one_percent].sum()
one_percent_total_percent = round(one_percent_total/ nb_publications * 100)
string4graph = f"1 % des éditeurs publient\n{one_percent_total_percent} % des publications"
print(string4graph)
## __x__generer graphique
df4graph = bibdiversity[:30]
fig, (ax) = plt.subplots(figsize=(15, 10), dpi=100, facecolor='w', edgecolor='k')
ax.bar(df4graph.index, df4graph.is_oa, color = "#7E96C4", label = "Accès ouvert")
ax.bar(df4graph.index, df4graph.not_oa, bottom = df4graph.is_oa , color = "#BED0F4", label = "Accès fermé")
# ajout des noms des publishers en haut des histogrammes
for x, y in zip(df4graph.index, df4graph.total) :
plt.annotate(
x,
(x,y),
textcoords="offset points", # how to position the text
xytext=(0,2), # distance from text to points (x,y)
ha='left', # horizontal alignment can be left, right or center
va = 'bottom',
rotation= 30,
fontsize = 9
)
# ____2____ configurer l'affichage
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.set_ylabel("Nombre de publications", labelpad = 10)
ax.set_xlabel("Éditeurs", labelpad = 10)
# remove xticks
plt.tick_params(
axis='x', # changes apply to the x-axis
which='both', # both major and minor ticks are affected
bottom=False, # ticks along the bottom edge are off
top=False, # ticks along the top edge are off
labelbottom=False) # labels along the bottom edge are off
# punchline
plt.text(19, 2000 , string4graph, fontsize = 19)
plt.legend( loc = "upper center",fontsize = 14, bbox_to_anchor=(0.5, 0.95), borderaxespad =1.7)
plt.title(f"Quantité de publication par éditeurs en {sel_discipline} {year[:year.index('.')]}", fontsize = 25, x = 0.5, y = 1.03, alpha = 0.6)
plt.suptitle(f"éditeurs = {nb_publisher} publications = {nb_publications}", fontsize = 13, x = 0.5, y = 0.89, alpha = 0.6)
plt.savefig(f'./img/bibliodiversity_{sel_discipline}.png', dpi=100, bbox_inches='tight' , pad_inches=0.1)
#====================hal_discipline=======================================
def deduce_hal_presence(row) :
"""deduction du type de présence dans HAL : autoarchive, fichier non déposé par l'auteur, notice etc. """
if row["hal_location"] == "file" and row["hal_selfArchiving"] == "True" :
return "hal_file_auto"
if row["hal_location"] == "file" and row["hal_selfArchiving"] == "False" :
return "hal_file_no_auto"
if (row["hal_coverage"] == "in" and row["hal_location"] != "file") and row["is_oa"] :
return "hal_notice_oa"
if (row["hal_coverage"] == "in" and row["hal_location"] != "file") and not row["is_oa"] :
return "hal_notice_not_oa"
if row["hal_coverage"] == "missing" :
return "not_in_hal"
if graph == "hal_discipline" :
print("graphique hal disicpline\n\n")
oneyear_pub = df.loc[df['published_year'] == "2020.0",:]
print("2020 nb of publi", len(oneyear_pub))
# genere une SettingWithCopyWarning why ?
oneyear_pub["hal_presence"] = oneyear_pub.apply(lambda row : deduce_hal_presence(row), axis = 1)
print(oneyear_pub["hal_presence"].value_counts())
df_hal_field = pd.crosstab([oneyear_pub['scientific_field']] , oneyear_pub['hal_presence'])
# rearengement des colonnes
df_hal_field = df_hal_field[["hal_file_auto", "hal_file_no_auto", "hal_notice_oa", "hal_notice_not_oa", "not_in_hal"]]
df_hal_field = (df_hal_field.T / df_hal_field.T.sum()).mul(100).round(1)
df_hal_field = df_hal_field.T
df_hal_field.sort_index( ascending = False, inplace = True)
#import matplotlib.ticker as mtick
ax = df_hal_field.plot(kind="barh", stacked=True, figsize=(14, 10),
color=['#7e96c4','#8ba6e9','#bed0f4','#e5eaf3', '#f4f6fa'])
## _______ configurer l'afichage
# remove axis
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# remove xticks
plt.tick_params(
axis = 'x', # changes apply to the x-axis
which = 'both', # both major and minor ticks are affected
bottom = False, # ticks along the bottom edge are off
labelbottom = False) # labels along the bottom edge are off
labels = []
for j in df_hal_field.columns:
for i in df_hal_field.index:
label = df_hal_field.loc[i][j]
if type(label) != str :
#pour un meilleur affichage : si ce n'est pas la discipline on arrondi
label = str(round(label))
label += " %" #:label.find(".")
#if j != "not_in_hal" : # on ne met pas de label pour les "not_int_hal"
labels.append(label)
patches = ax.patches
for label, rect in zip(labels, patches):
width = rect.get_width()
if width > 0 :
x = rect.get_x()
y = rect.get_y()
height = rect.get_height()
ax.text(x + width/2., y + height/2., label, ha='center', va='center', fontsize=9)
plt.tick_params(axis = 'both', labelsize = 13)
plt.ylabel(None, fontsize = 15)
"""
plt.legend(
["Dans HAL avec fichier déposé par l'auteur", "Dans HAL avec fichier non déposé par l'auteur", "Dans HAL avec accès ouvert à l'extérieur", 'Dans HAL sans accès ouvert'],
loc = 'upper right', ncol = 1,
markerscale = 1, title = None, fontsize = 11,
borderpad = 0.3, labelspacing = 0.3, framealpha= True, bbox_to_anchor=(1, 0.95))
"""
plt.legend(
["Dans HAL avec texte intégral (déposé par l'auteur)", "Dans HAL avec texte intégral (non déposé par l'auteur)", "Dans HAL avec texte intégral en hyperlien",
'Dans HAL sans texte intégral', 'Non présent dans HAL'],
loc = 'upper center', ncol = 2, frameon=False,
markerscale = 1, title = None, fontsize = 11,
borderpad = 0.3, labelspacing = 0.3, framealpha= True , bbox_to_anchor=(0.4, 1.09))
#plt.title("Types de présence dans HAL des publications de 2020 par discipline", fontsize = 22, x = 0.49, y = 1.03, alpha = 0.6)
plt.title("Types de présence dans HAL des publications de 2020 par discipline", fontsize = 22, x = 0.4, y = 1.08, alpha = 0.6)
plt.savefig('./img/hal_discipline.png', dpi=100, bbox_inches='tight', pad_inches=0.1)
#====================hal_evol=======================================
# hal fichier avec auto archiv
# hal fichier not auto archive
# hal notice avec oa
# hal notice sans oa
# evolution de la présence dans HAL
if graph == "hal_evol" :
print("graphique hal_evol\n\n")
dfyears = df.loc[ df["published_year"].isin(["2016.0", "2017.0", "2018.0", "2019.0", "2020.0"]), :].copy()
#deduire type dans hal
dfyears["hal_file_auto"] = np.where( (dfyears["hal_location"] == "file") & (dfyears["hal_selfArchiving"] == "True"), True, False)
dfyears["hal_file_no_auto"] = np.where( (dfyears["hal_location"] == "file") & (dfyears["hal_selfArchiving"] == "False"), True, False)
dfyears["hal_notice_oa"] = np.where( (dfyears["hal_coverage"] == "in") & (dfyears["hal_location"] != "file") & (dfyears["is_oa"] == True), True, False)
dfyears["hal_notice_not_oa"] = np.where( (dfyears["hal_coverage"] == "in") & (dfyears["hal_location"] != "file") & (dfyears["is_oa"] == False), True, False)
#definition du taux AO par années
dfhal = pd.DataFrame(dfyears.groupby(["published_year"])
[["hal_file_auto", "hal_file_no_auto", "hal_notice_oa", "hal_notice_not_oa"]].agg(
["count", np.mean])).reset_index()
dfhal.columns = ["published_year", "nb_publi", "hal_file_auto_mean", "nb_publi", "hal_file_no_auto_mean", "nb_publi", "hal_notice_oa_mean", "nb_publi", "hal_notice_not_oa_mean"]
# retrait du . dans le string des années
dfhal["published_year"] = dfhal.apply(
lambda x: x.published_year[ : x.published_year.index(".")], axis = 1)
# ____1____ passer les données dans le modele de representation
fig, (ax) = plt.subplots(figsize=(15, 10), dpi=100, facecolor='w', edgecolor='k')
ax.bar(dfhal.published_year, dfhal.hal_file_auto_mean.tolist() , align='center', alpha = 1.0, color='#7e96c4',
ecolor='black', label="Dans HAL avec texte intégral (déposé par l'auteur)")
ax.bar(dfhal.published_year, dfhal.hal_file_no_auto_mean.tolist(), align='center', alpha = 1.0, color='#8ba6e9',
bottom = dfhal.hal_file_auto_mean.tolist(),
ecolor='black', label="Dans HAL avec texte intégral (non déposé par l'auteur)")
ax.bar(dfhal.published_year, dfhal.hal_notice_oa_mean.tolist() , align='center',alpha = 1.0, color='#bed0f4',
bottom = [sum(x) for x in zip(dfhal.hal_file_auto_mean.tolist(), dfhal.hal_file_no_auto_mean.tolist())],
ecolor='black', label="Dans HAL avec texte intégral en hyperlien")
ax.bar(dfhal.published_year, dfhal.hal_notice_not_oa_mean.tolist() , align='center',alpha = 1.0, color='#e5eaf3',
bottom = [sum(x) for x in zip(dfhal.hal_file_auto_mean.tolist(), dfhal.hal_file_no_auto_mean.tolist(), dfhal.hal_notice_oa_mean.tolist())],
ecolor='black', label="Dans HAL sans texte intégral")
# ____2____ configurer l'affichage
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
# retirer l'origine sur Y
yticks = ax.yaxis.get_major_ticks()
yticks[0].label1.set_visible(False)
# tracer les grilles
ax.yaxis.grid(ls='--', alpha=0.4)
ax.set_xticks(np.arange(len(dfhal["published_year"]))) # just to remove an mess error UserWarning: FixedFormatter should only be used together with FixedLocator
ax.set_xticklabels(dfhal["published_year"].tolist(), fontsize = 15)
ax.set_yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
ax.set_yticklabels(['{:,.0%}'.format(x) for x in ax.get_yticks()], fontsize = 10)
# reordonner la legende pour avoir en haut l'éditeur
handles, labels = ax.get_legend_handles_labels()
order = [3, 2, 1, 0]
ax.legend([handles[idx] for idx in order],[labels[idx] for idx in order], fontsize = 15, loc="upper center", borderaxespad =1.7)
hal_total = [sum(x) for x in zip(dfhal.hal_file_auto_mean.tolist(), dfhal.hal_file_no_auto_mean.tolist(), dfhal.hal_notice_oa_mean.tolist(), dfhal.hal_notice_not_oa_mean.tolist())]
#ajout taux de présence global
for year_ix in range(len(dfhal.published_year)):
ax.annotate(f"{ round(hal_total[year_ix] * 100)} %",
xy=(year_ix , hal_total[year_ix]),
xytext=(0, 10),
size=9,
textcoords="offset points",
ha='center', va='bottom', color = "#555555")
'''
## Ajouter les taux par type, difficulté : il faut prendre en compte les taux précédents
colname = ["oa_repository_mean", "oa_publisher_repository_mean", "oa_publisher_mean"]
for col in colname :
for year_ix in range(len(dfoa.year_label)) :
ypos_bottom = 0
for col_before_ix in range(colname.index(col)) :
col_before = colname[col_before_ix]
ypos_bottom += dfoa[col_before][year_ix]
ax.annotate( f"{int(round( dfoa[col][year_ix] * 100 ))} %",
xy = (year_ix, ypos_bottom + dfoa[col][year_ix] * 0.40),
xytext= (0,0),
size = 8,
textcoords="offset points",
ha='center', va='bottom', color = "black")
'''
plt.title("Évolution et types de présence dans HAL", fontsize = 25, x = 0.5, y = 1.05, alpha = 0.6)
plt.savefig('./img/hal_evol.png', dpi=100, bbox_inches='tight', pad_inches=0.1)
#====================doctype_discipline=======================================
# evolution des types de publications
if graph == "doctype_discipline" :
print("graphique doctype_discipline")
dfyears = df.loc[ df["published_year"] == "2020.0"].copy()
# netoyer les doctypes
dfyears["genre"].replace(
{"monograph" : "book",
"peer-review" : "other",
"journal-issue": "other",
"reference-entry" : "book-chapter",
"component" : "other", # cest des données de la rech souvent
"reference-book" : "book",
"journal" : "other",
"report" : "other",
"proceedings" : "other"
}, inplace = True)
fields = pd.crosstab(df["scientific_field"], dfyears["genre"])
# passer en pourcentage
fields = fields.T
fields = fields / fields.sum() * 100
fields = fields.T
fields.sort_index(ascending = False, inplace = True)
print(fields.columns)
ax = fields.plot(kind = "barh",
stacked=True,
figsize=(14, 10),
color = ["#9dd866", "#6f4e7c", "#0b84a5", "grey", "#ffa056", "#f6c85f"]
)
## _______ configurer l'afichage
# remove axis
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# remove xticks
plt.tick_params(
axis='x', # changes apply to the x-axis
which='both', # both major and minor ticks are affected
bottom=False, # ticks along the bottom edge are off
labelbottom=False) # labels along the bottom edge are off
labels = []
for j in fields.columns:
for i in fields.index:
label = fields.loc[i][j]
if type(label) != str :
#pour un meilleur affichage : si ce n'est pas la discipline on arrondi
label = str(round(label))
label += " %" #:label.find(".")
labels.append(label)
patches = ax.patches
for label, rect in zip(labels, patches):
width = rect.get_width()
if width > 3:
x = rect.get_x()
y = rect.get_y()
height = rect.get_height()
ax.text(x + width/2., y + height/2., label, ha='center', va='center', fontsize=8)
plt.ylabel(None, fontsize = 15)
plt.legend(["Ouvrage", "Chapitre d'ouvrage", "Article de revue", "Autre", "Preprint", "Article de conférence"],
frameon = True, markerscale = 1, loc = "center", ncol = 3, bbox_to_anchor=(0.5, 1.02), framealpha= False )
plt.title("Types de publications de 2020 par discipline", fontsize = 25, x = 0.49, y = 1.07, alpha = 0.6)
plt.savefig("img/doctype_par_discipline.png", dpi=100, bbox_inches='tight')
#====================doctype_evol=======================================
# evolution des types de publications
if graph == "doctype_evol" :
print("graphique doctype_evol")
dfyears = df.loc[ df["published_year"].isin(["2016.0", "2017.0", "2018.0", "2019.0", "2020.0"]), :].copy()
# view all doctypes
# and clean as much as you want
dfyears["genre"].replace(
{"monograph" : "book",
"peer-review" : "other",
"journal-issue": "other",
"reference-entry" : "book-chapter",
"component" : "other", # cest des données de la rech souvent
"reference-book" : "book",
"journal" : "other",
"report" : "other",
"proceedings" : "other"
}, inplace = True)
print(dfyears["genre"].value_counts())
dfdoctype = pd.crosstab(dfyears["published_year"], dfyears["genre"])
# ____1____ passer les données dans le modele de representation
fig, (ax) = plt.subplots(figsize=(12, 8), dpi=100, facecolor='w', edgecolor='k')
ax.bar(dfdoctype.index, dfdoctype["journal-article"] , align='center', alpha = 1.0,
color='#0b84a5', label="Article de revue")
ax.bar(dfdoctype.index, dfdoctype["proceedings-article"] , bottom = dfdoctype["journal-article"],
align='center', alpha = 1.0, color='#f6c85f', label="Article de conférence")
ax.bar(dfdoctype.index, dfdoctype["book-chapter"] ,
bottom = [sum(x) for x in zip(dfdoctype["journal-article"] , dfdoctype["proceedings-article"])],
align='center', alpha = 1.0, color='#6f4e7c', label="Chapitre d'ouvrage")
ax.bar(dfdoctype.index, dfdoctype["book"] ,
bottom = [sum(x) for x in zip(dfdoctype["journal-article"] , dfdoctype["proceedings-article"],
dfdoctype["book-chapter"])],
align='center', alpha = 1.0, color="#9dd866", label="Ouvrage")
ax.bar(dfdoctype.index, dfdoctype["posted-content"] ,
bottom = [sum(x) for x in zip(dfdoctype["journal-article"] , dfdoctype["proceedings-article"],
dfdoctype["book-chapter"], dfdoctype["book"])],
align='center', alpha = 1.0, color='#ffa056', label="Preprint")
ax.bar(dfdoctype.index, dfdoctype["other"] ,
bottom = [sum(x) for x in zip(dfdoctype["journal-article"] , dfdoctype["proceedings-article"],
dfdoctype["book-chapter"], dfdoctype["posted-content"], dfdoctype["book"] )],
align='center', alpha = 1.0, color='grey', label="Autre")
# ____2____ configurer l'affichage
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
# retirer l'origine sur Y
yticks = ax.yaxis.get_major_ticks()
yticks[0].label1.set_visible(False)
# tracer les grilles
ax.yaxis.grid(ls='--', alpha=0.4)
# légende : reordonner les éléments
handles, labels = ax.get_legend_handles_labels()
print(labels)
order = [5, 4, 3, 2, 1, 0]
ax.legend([handles[idx] for idx in order], [labels[idx] for idx in order],
fontsize = 14, loc="center", framealpha =0.95, frameon = True, borderaxespad =-1)
ax.set_xticks(np.arange(len(dfdoctype.index))) # just to remove an mess error UserWarning: FixedFormatter should only be used together with FixedLocator
ax.set_xticklabels([year[: year.index(".")] for year in dfdoctype.index.tolist()], fontsize = 15)
plt.title("Évolution des types de publication", fontsize = 25, x = 0.5, y = 1.05, alpha = 0.6)
plt.savefig('./img/doctype_evolution.png', dpi=100, bbox_inches='tight', pad_inches=0.1)
plt.show()
exit()
#====================disciplines=======================================
# nb publications par disciplines & taux de concentration
## attention le calcul de la bibliodiversité nest pas le mm que celui global bibliodiversity
## ici les publishers = "" sont inclus dans le denominateur, contraitement à bibliodiversity où il sont exclus
if graph == "publication_discipline" :
print("graphique nb publication par disciplines")
oneyear = df[ (df["published_year"] == "2020.0") ]
df_field_oa = pd.crosstab(oneyear["scientific_field"], oneyear["is_oa"])
df_field_oa.columns = ["not_oa", "is_oa"]
df_field_oa["total"] = df_field_oa["not_oa"] + df_field_oa["is_oa"]
### calculer taux_concentration par discipline
## __ nettoyer les données de publisher
oneyear_clean_publisher = oneyear[ oneyear["publisher"] != ""].copy()
oneyear_clean_publisher["publisher"].replace({"Elsevier BV": "Elsevier"}, inplace = True)
oneyear_clean_publisher["publisher"].replace({"Springer Science and Business Media LLC": "Springer"}, inplace = True)
oneyear_clean_publisher["publisher"].replace({"Springer International Publishing": "Springer"}, inplace = True)
oneyear_clean_publisher["publisher"].replace({"Editions Dalloz": "Dalloz"}, inplace = True)
def calc_concentration(row) :
""" pb avec les autres graphs de bibliodiversité car ici on divise par toutes les publications
alors que précédemment on retire les publications où l'on a pas de publisher
"""
#ceer une df avec les publications du domaine
field_publications = pd.DataFrame()
field_publications = oneyear_clean_publisher[ oneyear_clean_publisher["scientific_field"] == row.name ]
# calculer nombre publisher total
nb_publisher = len(field_publications["publisher"].value_counts() )
#first_publisher_nb = nb publisher 1er percentile
first_publisher_nb = math.ceil(nb_publisher/100) # 1er percentile : besoin d'arrondir en haut
#first_pubsliher_nb_publication = nombre de publication pour le 1er centile des publisher
first_pubsliher_nb_publication = field_publications["publisher"].value_counts()[:first_publisher_nb].sum()
taux = round(first_pubsliher_nb_publication / row.total *100)
print(row.name, row.total)
return [nb_publisher, first_publisher_nb, first_pubsliher_nb_publication, taux ]
df_concentration = df_field_oa.apply(calc_concentration, axis = 1, result_type='expand')
df_concentration.columns = ["nb_publisher", "first_publisher_nb", "first_nb_publication", "taux_concentration"]
#fusionner les deux df pour avoir les données d'accès ouvert, de quantité de publi et de concentration
df_field = df_field_oa.merge(df_concentration, how = "left", on = "scientific_field")
# ____1____ passer les données dans le modele de representation
fig, (ax) = plt.subplots(figsize=(12, 7), dpi=100, facecolor='w', edgecolor='k')
ax.bar(df_field.index, df_field["is_oa"].tolist(), color='#7E96C4', align='center',label="Accès ouvert")
ax.bar(df_field.index, df_field["not_oa"].tolist(), bottom = df_field["is_oa"].tolist(), align='center', color='#BED0F4', label="Accès fermé")
# ____2____ configurer l'affichage
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
#ax.spines['left'].set_visible(False)
# retirer l'origine sur Y
yticks = ax.yaxis.get_major_ticks()
yticks[0].label1.set_visible(False)
ax.yaxis.grid(ls='--', alpha=0.4)
## ajout des taux de concentrations
for x, y in zip(df_field.index, df_field.total) :
plt.annotate(
f"{df_field.loc[x, 'taux_concentration']} %" ,
(x,y),
textcoords="offset points", # how to position the text
xytext=(0,2), # distance from text to points (x,y)
ha='center', # horizontal alignment can be left, right or center
va = 'bottom',
fontsize = 8,
color = "grey"
)
ax.set_xticklabels(df_field.index, ha = "right", rotation = 60, fontsize = 12)
#plt.tight_layout()
plt.legend( loc = "upper left", bbox_to_anchor=(0.14, 0.85), fontsize = 14, frameon = False)
plt.text(0.95, 5000 , "n % : taux de concentration\n des éditeurs", fontsize = 12, color = "grey")
plt.title("Quantité de publication en 2020 par discipline\n et concentration éditoriale", fontsize = 20, x = 0.5, y = 1, alpha = 0.6)
plt.savefig("img/publication_par_discipline000.png", dpi=100, bbox_inches='tight')
#====================CIRCULAIRE=======================================
#circulaire bilan open access sur une année
if graph == "circulaire" :
dfpie = df[ df["published_year"] == "2020.0"]
oa_bool = dfpie["is_oa"].value_counts().sort_index()
oa_bool = oa_bool.rename( {True : "Accès ouvert", False : "Accès fermé"})
print(oa_bool)
oa_type = dfpie["oa_type"].value_counts().sort_index()
oa_type = oa_type.rename({"closed" : "Accès fermé", "publisher" : "Éditeur",
"repository" : "Archive ouverte", "publisher;repository" : "Éditeur et Archive ouverte"})
#print(oa_type)
fig, ax = plt.subplots(dpi=100)
ax.set_aspect('equal')
ax.pie(oa_bool, labels=oa_bool.index, radius=3, labeldistance = None,
colors=['tomato', 'springgreen'], autopct=lambda x: str(round(x, 1)) + '%', pctdistance = 0.9, shadow = True);
ax.pie(oa_type, labels=oa_type.index, radius=2.3, labeldistance = None,
colors=['firebrick','gold','greenyellow','seagreen'], autopct=lambda x: str(round(x, 1)) + '%', pctdistance = 0.9);
ax.pie([1], radius=1.3, colors='white');
# légende : reordonner les éléments
handles, labels = ax.get_legend_handles_labels()
print(labels)
order = [0, 1, 3, 4, 5]
ax.legend([handles[idx] for idx in order], [labels[idx] for idx in order],
fontsize = 14, loc="center", framealpha =1, frameon = True, borderaxespad =-1)
#ax.legend(loc="", fontsize = 12)
plt.title('Proportion des publications 2020 en accès ouvert (mesuré en 2021)', fontsize = 23, x = 0.55, y = 1.8, alpha = 0.6)
#plt.show()
plt.savefig('./img/circulaire_2020.png', dpi=150, bbox_inches='tight', pad_inches=0.9)
#=========================OA_EVOL==================================
##Evolution taux open access par années et par type
if graph == "oa_evol" :
# ____0____ recupérer les données
dfyears = df.loc[ df["published_year"].isin(["2016.0", "2017.0", "2018.0", "2019.0", "2020.0"]), :]
print("nb publis a traiter", len(dfyears))
pd.set_option('mode.chained_assignment', None)
dfyears.is_oa = dfyears.is_oa.astype(bool)
# retour consol uniquement : comparer les valeurs avec ou sans DOI
halnodoi = dfyears[ dfyears["doi"] == ""]
print(f"nb publis hal uniquement {len(halnodoi.index)}")
print(f"soit en % de plus {round(len(halnodoi.index)/len(dfyears) * 100, 1)}")
haloa = dfyears.loc[ (dfyears["doi"]== "") & (dfyears["is_oa"] == True) , :]
print("nombre de publi oa dans hal", len(haloa))
## /!\ Si on veut réduire aux publications avec DOI seulement
dfyears = dfyears[ dfyears["doi"] != ""].copy()
#retrouver les types d'AO
dfyears["oa_publisher_repository"] = dfyears.oa_type == "publisher;repository"
dfyears["oa_repository"] = dfyears.oa_type == "repository"
dfyears["oa_publisher"] = dfyears.oa_type == "publisher"
dfyears["oa_unk"] = dfyears.oa_type == "unknow"
#definition du taux AO par années
dfoa = pd.DataFrame(dfyears.groupby(["published_year"])
[["is_oa", "oa_repository", "oa_publisher", "oa_unk", "oa_publisher_repository"]].agg(
["count", np.mean])).reset_index()
dfoa.columns = ["published_year", "nb_doi", "oa_mean", "nbdoi1", "oa_repository_mean", "nb_doi2",
"oa_publisher_mean", "nb_doi3", "oa_unk_mean", "nb_doi4", "oa_publisher_repository_mean"]
dfoa["year_label"] = dfoa.apply(
lambda x: "{}\n{} publications".format(x.published_year[:x.published_year.index(".")]
, int(x.nb_doi)), axis = 1)
dfoa = dfoa.sort_values(by = "published_year", ascending = True)
# ____1____ passer les données dans le modele de representation
fig, (ax) = plt.subplots(figsize=(15, 10), dpi=100, facecolor='w', edgecolor='k')
ax.bar(dfoa.year_label, dfoa.oa_repository_mean.tolist() , align='center', alpha = 1.0, color='seagreen',
ecolor='black', label="Archive ouverte")
ax.bar(dfoa.year_label, dfoa.oa_publisher_repository_mean.tolist(), align='center', alpha = 1.0, color='greenyellow',
bottom = dfoa.oa_repository_mean.tolist(),
ecolor='black', label="Éditeur et Archive ouverte")
ax.bar(dfoa.year_label, dfoa.oa_publisher_mean.tolist() , align='center',alpha = 1.0, color='gold',
bottom = [sum(x) for x in zip(dfoa.oa_repository_mean.tolist(), dfoa.oa_publisher_repository_mean.tolist())], ecolor='black', label="Éditeur")
# ____2____ configurer l'affichage
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
# retirer l'origine sur Y
yticks = ax.yaxis.get_major_ticks()
yticks[0].label1.set_visible(False)
# tracer les grilles
ax.yaxis.grid(ls='--', alpha=0.4)
ax.set_xticks(np.arange(len(dfoa["year_label"]))) # just to remove an mess error UserWarning: FixedFormatter should only be used together with FixedLocator
ax.set_xticklabels(dfoa["year_label"].tolist(), fontsize = 15)
ax.set_yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
ax.set_yticklabels(['{:,.0%}'.format(x) for x in ax.get_yticks()], fontsize = 10)
# reordonner la legende pour avoir en haut l'éditeur
handles, labels = ax.get_legend_handles_labels()
order = [2,1,0]
ax.legend([handles[idx] for idx in order],[labels[idx] for idx in order], fontsize = 15, loc="upper center", borderaxespad =1.7)
oa_total_mean = [sum(x) for x in zip(dfoa.oa_repository_mean.tolist(), dfoa.oa_publisher_repository_mean.tolist(), dfoa.oa_publisher_mean.tolist())]
#ajout le taux d'accès ouvert global
for year_ix in range(len(dfoa.year_label)):
ax.annotate("{:,.1%}".format(oa_total_mean[year_ix]),
xy=(year_ix , oa_total_mean[year_ix]),
xytext=(0, 20),
size=16,
textcoords="offset points",
ha='center', va='bottom')
## Ajouter les taux par type, difficulté : il faut prendre en compte les taux précédents
colname = ["oa_repository_mean", "oa_publisher_repository_mean", "oa_publisher_mean"]
for col in colname :
for year_ix in range(len(dfoa.year_label)) :
ypos_bottom = 0
for col_before_ix in range(colname.index(col)) :
col_before = colname[col_before_ix]
ypos_bottom += dfoa[col_before][year_ix]
ax.annotate( f"{int(round( dfoa[col][year_ix] * 100 ))} %",
xy = (year_ix, ypos_bottom + dfoa[col][year_ix] * 0.40),
xytext= (0,0),
size = 8,
textcoords="offset points",
ha='center', va='bottom', color = "black")
plt.title("Évolution du taux d'accès ouvert aux publications", fontsize = 25, x = 0.5, y = 1.05, alpha = 0.6)
plt.savefig('./img/oa_evolution.png', dpi=100, bbox_inches='tight', pad_inches=0.1)
#========================OA_DISCIPLINE===================================
if graph == "oa_discipline" :
oneyear_pub = df.loc[df['published_year'] == "2020.0",:]
oneyear_pub = oneyear_pub[ oneyear_pub["scientific_field"] != "" ] # retrait des publications où le domaine serait resté vide
print("2020 nb of publi", len(oneyear_pub))
publications_par_domaine = oneyear_pub['scientific_field'].value_counts().sort_index()
print(publications_par_domaine)
"""
df_oa_discipline_global = pd.crosstab([oneyear_pub['scientific_field']],oneyear_pub['oa_type'])
# Ajout d'une colonne avec le total par discipline
df_oa_discipline_global["Total"] = publications_par_domaine
# Ajout d'une colonne qui concatène le nom de la discipline et le total
df_oa_discipline_global["y_label"] = df_oa_discipline_global.index + "\n" + df_oa_discipline_global["Total"].apply(str) + " publications"
# Réindexation de l'index pour que les bonnes informations s'affichent dans le graphique final
df_oa_discipline_global.index = df_oa_discipline_global["y_label"]
"""
df_oa_discipline = pd.crosstab([oneyear_pub['scientific_field']] , oneyear_pub['oa_type'])
df_oa_discipline = (df_oa_discipline.T / df_oa_discipline.T.sum()).mul(100).round(1)
df_oa_discipline = df_oa_discipline.T
df_oa_discipline["Total"] = publications_par_domaine
df_oa_discipline["y_label"] = df_oa_discipline.index + "\n" + df_oa_discipline["Total"].apply(str) + " publications"
df_oa_discipline.index = df_oa_discipline["y_label"]
df_oa_discipline.sort_index( ascending = False, inplace = True)
import matplotlib.ticker as mtick
ax = df_oa_discipline.drop(["Total", "y_label"], axis=1).plot(kind="barh", stacked=True, figsize=(14, 10),
color=['tomato','gold','greenyellow','seagreen'])
#ax.xaxis.set_major_formatter(mtick.PercentFormatter())
## _______ configurer l'afichage
# remove axis
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# remove xticks
plt.tick_params(
axis='x', # changes apply to the x-axis
which='both', # both major and minor ticks are affected
bottom=False, # ticks along the bottom edge are off
labelbottom=False) # labels along the bottom edge are off
labels = []
for j in df_oa_discipline.columns:
for i in df_oa_discipline.index:
label = df_oa_discipline.loc[i][j]
if type(label) != str :
#pour un meilleur affichage : si ce n'est pas la discipline on arrondi
label = str(round(label))
label += " %" #:label.find(".")
labels.append(label)
patches = ax.patches
for label, rect in zip(labels, patches):
width = rect.get_width()
if width > 0:
x = rect.get_x()
y = rect.get_y()
height = rect.get_height()
ax.text(x + width/2., y + height/2., label, ha='center', va='center', fontsize=9)
# Trier les disciplines par ordre alphabétique
#plt.gca().invert_yaxis()
plt.tick_params(axis = 'both', labelsize = 13)
plt.ylabel(None, fontsize = 15)
plt.legend(['Accès fermé', 'Éditeur', 'Éditeur et Archive ouverte', 'Archive ouverte'],
loc = 'best', ncol = 4,
frameon = True, markerscale = 1, title = None, fontsize = 15,
borderpad = 0.2, labelspacing = 0.3, bbox_to_anchor=(0.02, 0.985), framealpha= False)
plt.title("Taux d'accès ouvert des publications 2020 par discipline", fontsize = 25, x = 0.49, y = 1.07, alpha = 0.6)
#plt.show()
plt.savefig('./img/oa_discipline.png', dpi=100, bbox_inches='tight', pad_inches=0.1)
#=========================oa_editeur==================================
#type d'accès ouvert par éditeurs
if graph == "oa_editeur" :
oneyear_pub = df.loc[ df['published_year'] == "2020.0", : ].copy()
#print(oneyear_pub['publisher'].value_counts().iloc[0:30])
# fusionner les éditeurs similaires
oneyear_pub["publisher"].replace({"Elsevier BV": "Elsevier"}, inplace = True)
oneyear_pub["publisher"].replace({"Springer Science and Business Media LLC": "Springer"}, inplace = True)
oneyear_pub["publisher"].replace({"Springer International Publishing": "Springer"}, inplace = True)
publications_par_editeur = oneyear_pub['publisher'].value_counts().iloc[0:30]
print("\n\napres fusion\n\n",publications_par_editeur)
sel_editors = ["Elsevier", "Springer", "Wiley", "Oxford University Press (OUP)", "MDPI AG", "EDP Sciences", "Ovid Technologies (Wolters Kluwer Health)",
"American Physical Society (APS)", "Frontiers Media SA", "Informa UK Limited", "BMJ", "American Chemical Society (ACS)", "American Astronomical Society",
"IOP Publishing", "Cold Spring Harbor Laboratory"]
oneyear_editors = oneyear_pub[oneyear_pub['publisher'].isin(sel_editors)]
# #Quelle est la proportion d'accès ouvert, par type d'accès, des publications par éditeur dans l'année ?
# df_oa_editeur_global = pd.crosstab([oneyear_editors['publisher']],oneyear_editors['oa_type'])
# df_oa_editeur_global["Total"] = publications_par_editeur
# df_oa_editeur_global["y_label"] = df_oa_editeur_global.index + " - " + df_oa_editeur_global["Total"].apply(str) + " publications"
# df_oa_editeur_global.index = df_oa_editeur_global["y_label"]
# récupérer les données d'accès ouvert
df_oa_editeur = pd.crosstab([oneyear_pub['publisher']],oneyear_editors['oa_type'])
#Convertir le résultat en pourcentages
df_oa_editeur = (df_oa_editeur.T / df_oa_editeur.T.sum()).mul(100).round(1)
df_oa_editeur = df_oa_editeur.T
df_oa_editeur["Total"] = publications_par_editeur
df_oa_editeur["y_label"] = df_oa_editeur.index + "\n"+df_oa_editeur["Total"].apply(str)+" publications"
df_oa_editeur.index = df_oa_editeur["y_label"]
df_oa_editeur.sort_values(by=['closed'], ascending=True, inplace = True)
## __2__ Générer le graphique
import matplotlib.ticker as mtick
ax = df_oa_editeur.drop(["Total", "y_label"], axis=1).plot(kind="barh", stacked=True, figsize=(15, 13),
color=['tomato','gold','greenyellow','seagreen'])
## ___3____ Configurer l'afichage
# remove axis
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# remove xticks
plt.tick_params(
axis='x', # changes apply to the x-axis
which='both', # both major and minor ticks are affected
bottom=False, # ticks along the bottom edge are off
labelbottom=False) # labels along the bottom edge are off
# Ajotuer le pourcentage pour chaque types
labels = []
for j in df_oa_editeur.columns:
for i in df_oa_editeur.index:
label = df_oa_editeur.loc[i][j]
#label = str(df_oa_editeur.loc[i][j]) + "%"
if type(label) != str :
label = round(label)
label = str(label) + "%"
labels.append(label)
patches = ax.patches
for label, rect in zip(labels, patches):
width = rect.get_width()
if width > 1: ## mettre > 0 pour avoir les faibles pourcentages, >1 pour ne pas surcharger
x = rect.get_x()
y = rect.get_y()
height = rect.get_height()
ax.text(x +.3 + width/2., y + height/2., label, ha='center', va='center', fontsize=11)
plt.gca().invert_yaxis()
plt.tick_params(axis = 'both', labelsize = 18)
plt.ylabel(None)
# generer une premiere fois sans renomer les colonnes pour s'assurer que le renommage est correcte
plt.legend( ['Accès fermé', 'Éditeur', 'Éditeur et Archive ouverte', 'Archive ouverte'],
loc = 'best', ncol = 4, markerscale = 1, title = None, fontsize = 16,
borderpad = 0.2, labelspacing = 0.3, bbox_to_anchor=(0.01, 0.985), framealpha= False)
plt.title("Taux d'accès ouvert aux publications 2020 par éditeurs", fontsize = 34, x = 0.49, y = 1.1, alpha = 0.6)
plt.suptitle("Visualisation des 15 premiers éditeurs par quantité de publications", fontsize = 20, x = 0.49, y = 0.95, alpha = 0.6)
plt.savefig('./img/oa_editeur.png', dpi=100, bbox_inches='tight', pad_inches=0.9)
#=========================extra : comparaison_bases=================================
# comparaison du nb de publications dans les bases scopus wos hal et cie.
if graph == "comparaison_bases" :
# ____0____ recupérer les données
df = pd.read_csv("./data/out/step_a__statistiques_sur_les_bases.csv")
data = df.to_dict("list")
x = np.arange(len(data["name"])) # the label locations
width = 0.2
# ____1____ passer les données dans le modele de representation graphique
fig, ax = plt.subplots(figsize=(7,4))
ax.bar(x - width, data["all"], width, label='toutes publications', color = "orchid")
ax.bar(x , data["doi"], width, label='publications avec DOI',color = "gold")
ax.bar(x + width, data["no_doi"], width, label='publications sans DOI', color = "skyblue")
# ____2____ configurer l'affichage
ax.yaxis.grid(ls='--', alpha=0.4)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
# retirer l'origine sur Y
yticks = ax.yaxis.get_major_ticks()
yticks[0].label1.set_visible(False)
plt.yticks([i for i in range(0, 100_000, 20_000)], fontsize = 10)
ax.set_ylabel('Nombre de publications', fontsize = 8)
ax.set_xticks(x)
ax.set_xticklabels([n.capitalize() for n in data["name"] ], fontsize = 11)
plt.legend(loc="upper center", fontsize = 8)
ax.set_title("Quantité de publications dans les bases", fontsize=16, alpha = 0.6, y = 1.05)
plt.suptitle("Années 2016-2020", fontsize=10, alpha = 0.6, y = 0.92)
plt.savefig('./img/comparaisons_entre_les_bases.png', dpi=150, bbox_inches='tight', pad_inches=0.05)
exit()
#=========================APC Evolution=================================
# estimation du pourcentage de publication en accès ouvert chez l'éditeur avec APC
if graph == "apc_evol" :
# ____0____ recupérer les données
dfyears = df.loc[ df["published_year"].isin(["2016.0", "2017.0", "2018.0", "2019.0", "2020.0"]), :]
print("nb publis a traiter", len(dfyears), '\n\n')
pd.set_option('mode.chained_assignment', None)
df_gold = dfyears.loc[ dfyears["oa_type"].str.contains("publisher", regex = False), : ]
#print(df_gold["oa_type"].value_counts())
df_gold["has_apc"] = df_gold["apc_tracking"] != ""
df_gold = df_gold.astype({'has_apc': 'bool'})
print("nb public avec APC", len(df_gold[ df_gold["has_apc"]]))
# ____1____produire le tableau
df_apc = pd.DataFrame( df_gold.groupby(["published_year"])[["has_apc"]].agg( ["count", np.mean])).reset_index()
df_apc.columns = ["published_year", "nb", "has_apc_mean"]
df_apc["label"] = df_apc.apply(
lambda x: "{}\n{} publications".format( x.published_year[:x.published_year.index(".")] , int(x.nb)), axis= 1)
df_apc.sort_values(by = "published_year", ascending = True, inplace = True)
print(df_apc)
# ____2____ passer les données dans le modele de representation
fig, (ax) = plt.subplots(figsize=(15, 10), dpi=100, facecolor='w', edgecolor='k')
ax.bar(df_apc.label, df_apc.has_apc_mean.tolist() , align='center', alpha = 1.0, color='lightpink',
ecolor='black', label="Accès ouvert chez l'éditeur avec APC")
no_apc = 1- df_apc["has_apc_mean"]
ax.bar(df_apc.label, no_apc, align='center', alpha = 1.0, color='gainsboro',
bottom = df_apc.has_apc_mean.tolist(),
ecolor='black', label="Accès ouvert chez l'éditeur sans APC")
# ____2____ configurer l'affichage
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
# retirer l'origine sur Y
yticks = ax.yaxis.get_major_ticks()
yticks[0].label1.set_visible(False)
# tracer les grilles
ax.yaxis.grid(ls='--', alpha=0.4)
ax.set_xticks(np.arange(len(df_apc["label"]))) # just to remove an mess error UserWarning: FixedFormatter should only be used together with FixedLocator
ax.set_xticklabels(df_apc["label"].tolist(), fontsize = 15)
ax.set_yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
ax.set_yticklabels(['{:,.0%}'.format(x) for x in ax.get_yticks()], fontsize = 10)
apc_percent = df_apc["has_apc_mean"].tolist()
print(apc_percent)
print(range(len(df_apc.label)))
#ajout du label sur les hist
for year_ix in range(len(df_apc.label)):
ax.annotate("{:,.1%}".format(apc_percent[year_ix]),
xy=(year_ix , apc_percent[year_ix]),
xytext=(0, 10),
size=16,
textcoords="offset points",
ha='center', va='bottom')
plt.legend(loc='upper center', bbox_to_anchor=(0.5, 0.8) ,fontsize = 12)
plt.title("Estimation du pourcentage de publications en accès ouvert \nchez l'éditeur avec frais de publications (APC)",
fontsize = 25, x = 0.5, y = 1, alpha = 0.6)
plt.savefig('./img/apc_evolution.png', dpi=100, bbox_inches='tight', pad_inches=0.1)
#========================apc_discipline===================================
if graph == "apc_discipline" :
oneyear_pub = df.loc[df['published_year'] == "2020.0",:]
gold = oneyear_pub.loc[ oneyear_pub["oa_type"].str.contains("publisher", regex = False), : ]
gold = gold[ gold["scientific_field"] != "" ].copy() # retrait des publications où le domaine serait resté vide
print("2020 nb of publi", len(oneyear_pub))
gold["has_apc"] = gold['apc_tracking'] != ""
df_apc_discipline = pd.crosstab([gold['scientific_field']] , gold['has_apc'])
print(df_apc_discipline.columns)
df_apc_discipline.columns = ["no_apc", "has_apc"]
df_apc_discipline["total"] = df_apc_discipline["has_apc"] + df_apc_discipline["no_apc"]
df_apc_discipline["has_apc_percent"] = df_apc_discipline["has_apc"] / df_apc_discipline["total"] * 100
df_apc_discipline["no_apc_percent"] = df_apc_discipline["no_apc"] / df_apc_discipline["total"] * 100
df_apc_discipline["y_label"] = df_apc_discipline.index + "\n" + df_apc_discipline["total"].apply(str) + " publications"