PyAlex Authors()是否支持多Author ID传入并返回多对象？批量查询优化求助

我有一个包含400k个OpenAlex Author ID的DataFrame，想要获取每个ID对应的作者姓名（名和姓）。目前每次仅向Authors()类传入单个Author ID，从响应中提取display_name字段，但这种方式速度极慢、效率低下——毕竟要发起400k次请求。我想找更高效的批量查询方法，但官方README没给出有效帮助。当前实现代码如下：

pyalex.config.email = "my_email@gmail.com"
pyalex.config.max_retries = 3
pyalex.config.retry_backoff_factor = 0.1

for row in range(len(data["openalex_id"])):
    name = Authors()[data.loc[row, "openalex_id"]]["display_name"]
    data.loc[row, "Name_Surname"] = name

优化方案 #

OpenAlex支持批量查询，结合pyalex的特性可以大幅减少请求次数，提升效率：

• 利用OpenAlex的批量筛选能力：OpenAlex允许通过filter参数单次传入最多200个作者ID，将400k个ID按200个一组拆分，请求次数可从400k降至2000次。
• 使用pyalex的批量查询接口：pyalex的Authors()类支持通过filter(id=批量ID列表)的方式发起查询，再通过.get()获取所有结果。

优化后的代码示例 #

import pyalex

pyalex.config.email = "my_email@gmail.com"
pyalex.config.max_retries = 3
pyalex.config.retry_backoff_factor = 0.1

# 单次批量查询的最大ID数量（OpenAlex限制）
BATCH_SIZE = 200

# 获取所有作者ID列表
author_ids = data["openalex_id"].tolist()

# 分批处理ID
for idx in range(0, len(author_ids), BATCH_SIZE):
    # 截取当前批次的ID
    batch = author_ids[idx:idx+BATCH_SIZE]
    # 批量查询作者信息
    author_results = pyalex.Authors().filter(id=batch).get()
    # 构建ID与姓名的映射字典
    name_mapping = {item["id"]: item["display_name"] for item in author_results}
    # 批量更新DataFrame中的姓名字段
    data.loc[data["openalex_id"].isin(batch), "Name_Surname"] = data["openalex_id"].map(name_mapping)

注意事项 #

• 遵守API配额：配置邮箱后OpenAlex会提供更高的请求配额，避免触发限流；如果遇到限流，可以适当调大retry_backoff_factor的值。
• 处理无效ID：部分ID可能不存在于OpenAlex数据库中，可通过fillna()方法为这些条目设置默认值（如data["Name_Surname"] = data["Name_Surname"].fillna("未知")）。
• 进度跟踪：可以引入tqdm库为循环添加进度条，方便查看处理进度：

  from tqdm import tqdm
  for idx in tqdm(range(0, len(author_ids), BATCH_SIZE)):
      # 原有批量处理代码
  

内容的提问来源于stack exchange，提问作者Jay