利用R进行专利分析——专利权人排序与统计（1维数据）

#最近在所内做了一个汇报，关于学习R语言的，现在将汇报中的部分内容拿来与大家分享：

#其中所使用的数据可以直接从DERWENT用WIN格式下载。

#后面描述统计部分的数据名称稍微有些变化，大家参考就可好了。前面部分内容经验证可以直接使用。

#后面附一个函数，是选用一个《R语言编程艺术》一书，上面将前面冗长的代码给浓缩了，也一并发出来，供家做参考。

#直接对DERWENT原始数据进行清洗并排序 #数据导入 

laser<- read.delim("C:/Users/ygc/Desktop/patdat/laser.txt", quote="") 

#取出拟分析的列，从专利权人开始分析View(laser$AE) 

#注意到作者项中有多余空格“; ”，所以，将其替换后形成"n"，作为区分多个作者的标识。 

laser$AE<-gsub(";  ", "n",laser$AE) #新建一个列表，将专利权人数据拆分。 

assignee_AE<-unlist(strsplit(laser$AE, "n"))

 #对AE进行简单统计  

（1）#将机构及对应频次排序利用TABLE()处理     

assignee_AE<-as.data.frame(table(assignee_AE))   

（2）#对assignee_AE进行排序     

assignee_list<-assignee_AE[order(-assignee_AE$Freq),]   

（3）#以机构代码进行排序，首先，检索“（”出现的位置    

anum=regexpr("\(",assignee_list$assignee_AE)   

（4）#提取专利权人代码，保留6位，区分I,N，去掉“）”     

simname=substr(assignee_list$assignee_AE,anum+1,anum+6)     

assignee_list$assignee_AE<-sub("\)","",simname)

#描述性统计的三个函数

 #进行描述性统计 

#（a）最基础的描述统计

 summary(assignee_freq$Freq) 

#（b）稍复杂的描述统计 

library(Hmisc) describe(assignee_freq$Freq) 

#（c）更专业的统计指标 

library(pastecs) stat.desc(assignee_freq$Freq) 

#强加了值域、偏度、峰度、标准误差、95%平均数置信度、方差、标准差、变异系数

另一个可以参考的公式，该公式直接实现了统计排序功能，参考自The Art of R Programming.

# finds the cells in table tbl with the k highest frequencies; handling

# of ties is unrefined

tabdom<- function(tbl,k) {

  # create a data frame representation of tbl,adding a Freq column

  tbldf <- as.data.frame(tbl)

  # determine the proper positions of thefrequencies in a sorted order

  freqord <-order(tbldf$Freq,decreasing=TRUE)

  # rearrange the data frame in that order,and take the first k rows

  dom <- tbldf[freqord,][1:k,]

  return(dom)

}