patent-analyzer 0.1.0

Google专利数据分析工具 - 支持 CSV 处理、Excel 导出和 Web 可视化

Patent Analyzer - 专利数据分析工具

patent-analyzer 是一个用于分析 Google Patent CSV 数据的 Python 工具包。它提供从数据清洗、作者统计、合作网络分析到可视化看板的一站式解决方案。

功能特性

1. 数据处理

   • 自动加载和清洗 Google Patent CSV 数据
   • 解析发明人、日期、专利类型等字段
   • 基于关键词的技术领域自动分类

2. 数据分析

   • 作者专利统计与技术方向分析
   • 合作网络构建与 Louvain 社区检测
   • 时间趋势分析
   • 发明人重要性综合评估（专利数、质量、中心性、技术广度、活跃度）
   • 研发团队结构识别

3. 数据导出

   • 生成文本报告（report.txt）
   • 导出 JSON 数据文件（author_stats.json, teams.json, cooperation.json）
   • 导出多 Sheet Excel 文件
   • 生成 matplotlib 可视化图表（PNG）

4. Web 可视化看板

   • 基于 FastAPI 的 RESTful API
   • 基于 ECharts + Tailwind CSS + Alpine.js 的现代化前端
   • 支持图表展示、数据搜索、分页浏览
   • 合作网络力引导布局可视化

安装指南

环境要求

• Python >= 3.9
• pip >= 21.0

从 PyPI 安装（推荐）

pip install patent-analyzer

从源码安装

git clone https://github.com/example/patent-analyzer.git
cd patent-analyzer
pip install -e ".[dev]"

验证安装

patent-analyzer info

使用示例

1. 命令行处理 CSV 数据

# 处理 CSV 并生成报告、JSON 和图表
patent-analyzer process GooglePatent.csv --output-dir ./output

# 不生成图表，仅生成文本和 JSON
patent-analyzer process GooglePatent.csv --output-dir ./output --no-viz

2. 导出 Excel

patent-analyzer export-excel GooglePatent.csv --output report.xlsx

3. 启动 Web 服务

# 先处理数据再启动服务
patent-analyzer serve --input GooglePatent.csv --output-dir ./output

# 或直接加载已有的 output 目录
patent-analyzer serve --output-dir ./output --host 0.0.0.0 --port 8000

访问 http://127.0.0.1:8000 查看可视化看板。

4. Python API 使用

from patent_analyzer import PatentDataLoader, AuthorAnalyzer, CooperationAnalyzer

# 加载数据
loader = PatentDataLoader("GooglePatent.csv")
df = loader.load().clean().get_df()

# 作者分析
author_analyzer = AuthorAnalyzer(df)
author_analyzer.analyze()
print(author_analyzer.get_stats())

# 合作网络
coop_analyzer = CooperationAnalyzer(df)
coop_analyzer.analyze()
print(len(coop_analyzer.close_coop))

项目架构

patent_analyzer/
├── src/patent_analyzer/
│   ├── __init__.py          # 包入口
│   ├── __main__.py          # python -m patent_analyzer
│   ├── cli.py               # Typer 命令行接口
│   ├── core/                # 核心分析引擎
│   │   ├── data_loader.py   # CSV 加载与清洗
│   │   ├── analyzer.py      # 分析引擎（作者、合作、时间、团队、重要性）
│   │   ├── visualizer.py    # matplotlib 可视化
│   │   ├── report.py        # 报告与 JSON 导出
│   │   └── exporter.py      # Excel 导出
│   ├── web/                 # FastAPI Web 服务
│   │   ├── app.py           # FastAPI 应用工厂
│   │   ├── api/             # RESTful API 路由
│   │   ├── services/        # 数据缓存服务
│   │   └── static/          # 前端页面
│   └── utils/
│       └── logging.py       # 日志配置
├── tests/                   # 单元测试
├── pyproject.toml
└── README.md

新手入门

第一步：准备数据

确保你有一个从 Google Patent 导出的 CSV 文件，格式如下（前两行为 URL 和表头，从第三行开始是数据）：

https://patents.google.com/?...
id,title,assignee,inventor,...
CN123456789,一种激光雷达装置,...

第二步：快速体验

# 处理数据
patent-analyzer process GooglePatent.csv

# 查看生成的 output/ 目录
ls output/
# report.txt  author_stats.json  teams.json  cooperation.json  *.png

第三步：启动看板

patent-analyzer serve --output-dir output

打开浏览器访问 http://127.0.0.1:8000

API 接口说明

Web 服务启动后提供以下 API：

方法	路径	说明
GET	/api/health	健康检查
GET	/api/overview/kpi	核心 KPI
GET	/api/overview/patent-types	专利类型分布
GET	/api/overview/tech-fields?top=20	技术领域 TOP N
GET	/api/overview/year-trend	年度趋势
GET	/api/authors	作者列表（支持搜索、排序、分页）
GET	/api/authors/top?n=20	TOP N 作者
GET	/api/authors/{name}	作者详情
GET	/api/teams	团队列表
GET	/api/teams/top?n=10	TOP N 团队
GET	/api/cooperation	紧密合作列表
GET	/api/cooperation/network?limit=200	网络图数据

参数说明

process 命令

• input_file: 输入 CSV 文件路径（必需）
• --output-dir, -o: 输出目录，默认 output
• --no-viz: 禁用图表生成

export-excel 命令

• input_file: 输入 CSV 文件路径（必需）
• --output, -o: 输出 Excel 路径，默认 patent_analysis.xlsx

serve 命令

• --input, -i: 输入 CSV 文件路径（可选，指定则先处理）
• --output-dir, -o: 数据输出目录，默认 output
• --host: 绑定地址，默认 127.0.0.1
• --port, -p: 监听端口，默认 8000
• --reload: 开发模式热重载

最佳实践

1. 大数据量处理：如果 CSV 文件很大（>10MB），建议先用 process 命令生成 output，再用 serve 加载，避免每次启动都重新分析。
2. 定期更新：可以设置定时任务运行 process 命令，保持 output 目录数据最新。
3. 自定义技术领域：编辑 patent_analyzer/core/data_loader.py 中的 TECH_KEYWORDS 字典，添加你关注的技术关键词。
4. 日志记录：CLI 命令会自动输出处理进度。如需文件日志，可在 Python API 中调用 setup_logging(log_file="analysis.log")。

依赖项清单

核心依赖：

• pandas, numpy: 数据处理
• networkx, python-louvain: 网络分析与社区检测
• matplotlib: 静态图表生成
• openpyxl: Excel 导出
• typer, rich: 命令行交互
• fastapi, uvicorn: Web 服务

开发依赖：

• pytest: 单元测试
• black, ruff: 代码格式化与检查
• mypy: 类型检查

贡献指南

欢迎提交 Issue 和 Pull Request。

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/awesome-feature)
3. 提交更改 (git commit -am 'Add awesome feature')
4. 推送到分支 (git push origin feature/awesome-feature)
5. 创建 Pull Request

请确保代码通过 black 格式化和 pytest 测试。

许可证

MIT License