如何通过Scopus或Orcid API获取科研人员h-index时间序列

前置准备 #

• 申请Scopus API密钥，在Elsevier开发者平台即可申请，免费额度可满足普通科研场景使用
• 安装依赖库：pip install pybliometrics，该库为Scopus API的官方维护Python封装，可省略原生接口请求开发成本

核心实现逻辑 #

h-index时间序列的计算逻辑为：拉取学者全部发表论文的发表年份、累计引用数据，按年份从小到大累加论文及引用数据，逐年度计算对应时间节点的h-index值。

代码示例 #

from pybliometrics.scopus import AuthorRetrieval, ScopusSearch
import pandas as pd

def get_yearly_hindex(scopus_id: str):
    # 初始化学者信息查询
    author = AuthorRetrieval(scopus_id)
    # 拉取该学者所有收录的论文数据
    paper_query = ScopusSearch(f"AU-ID({scopus_id})", download=True)
    papers = paper_query.results
    
    paper_data = []
    for p in papers:
        # 过滤无发表时间、无引用统计的无效数据
        if not p.coverDate or p.citedby_count is None:
            continue
        pub_year = int(p.coverDate.split("-")[0])
        paper_data.append((pub_year, int(p.citedby_count)))
    
    # 按发表年份排序
    paper_data.sort(key=lambda x: x[0])
    start_year = min(i[0] for i in paper_data)
    end_year = max(i[0] for i in paper_data)
    
    yearly_hindex = []
    for year in range(start_year, end_year + 1):
        # 取当年及之前发表的所有论文的引用数
        citations = [i[1] for i in paper_data if i[0] <= year]
        citations.sort(reverse=True)
        # 计算当前节点h-index
        current_h = 0
        for idx, cite_num in enumerate(citations, 1):
            if cite_num >= idx:
                current_h = idx
            else:
                break
        yearly_hindex.append({"年份": year, "h-index": current_h})
    
    return pd.DataFrame(yearly_hindex)

# 调用示例，替换参数为目标学者的Scopus ID
result = get_yearly_hindex("你的目标Scopus ID")
# 可直接导出为csv文件
# result.to_csv("h指数时间序列.csv", index=False)
print(result)

功能扩展 #

• 如需通过Scopus ID获取关联的ORCID，直接读取author.orcid属性即可获取，无需额外请求
• 没有Scopus API权限的情况下可替换为OpenAlex公开API实现相同逻辑，不需要申请密钥即可调用

注意事项 #

• 首次运行pybliometrics会自动触发配置引导，按提示输入申请到的API密钥即可，后续运行无需重复输入
• 可通过调整ScopusSearch的查询参数过滤掉撤回论文、预印本等不需要统计的文献类型

内容的提问来源于stack exchange，提问作者robertspierre