Bibliometrix的函数种类包含了科学知识图谱绘制的主要流程，即数据导入、格式转化、数据清洗与整理、描述性统计、共现矩阵建立、数据标准化、图谱绘制等。
一、数据导入类函数
二、数据格式转换函数
三、数据整理与清洗
四、描述性统计
五、生成矩阵
六、矩阵标准化
七、生成图谱
bibliometrix在前期数据格式转换、数据整理与清洗、矩阵建立与标准化、描述性统计等方面灵活性很大，只要将分析文献集转换为数据框格式，就可以很方便将文献数据过渡到一般性的数据，从而广泛地利用其他R包，但在图谱的展示上存在很大的不足。
【参考】
[1] https://cran.r-project.org/web/packages/bibliometrix/bibliometrix.pdf
Python比较好点，Python用的人比较多。
ython和R这2个都拥有庞大的用户支持。2017年的调查显示，近45％的数据科学家使用Python作为主要的编程语言，另一方面，11.2％的数据科学家使用R语言。
python与r语言区别如下：
Python的优势：
1. Python 包含比R更丰富的数据结构来实现数据更精准的访问和内存控制，大多数深度学习研究都是用python来完成的。
2. Python与R相比速度要快。Python可以直接处理上G的数据R不行，R分析数据时需要先通过数据库把大数据转化为小数据(通过groupby)才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。
3. Python优于R的另一个优势是将模型部署到软件的其他部分。Python是一种通用性语言，用python编写应用程序，包含基于Python的模型的过程是无缝的。
4. Python是一套比较平衡的语言，各方面都可以，无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处理，Python都有着明显优势，尤其在计算机编程、网络爬虫上更有优势。
R语言的优势：
1. R在统计分析上是一种更高效的独立数据分析工具。在R中进行大量的统计建模研究，有更广泛的模型类可供选择，如果你对建模有疑问，R是最合适的。
2. R的另外一个技巧就是使用Shiny轻松地创建仪表盘，Python也有Dash作为替代，但是不够成熟。
3. R的函数是为统计学家开发的，因此它具有特定领域优势，比如数据可视化的强大特性，由R Studio的首席科学家Hadley Wickham创建的ggplot2 如今是R历史上最受欢迎的数据可视化软件包之一。
ggplot2允许用户在更高的抽象级别自定义绘图组件。我个人非常喜欢ggplot2的各种功能和自定义。ggplot2提供的50多种图像适用于各种行业。
建模需要数据分析如下。
1、Excel：隶属于office三件套之一，其内置函数很多，它可以很简单的进行数据分析，绘制出一些基本图表，像一般散点图、数据预处理都是通过Excel来完成的。
2、R语言：R语言进行数据分析需要有一定的数学基础还有会R语言编程，门槛比Excel高。R语言是个开源项目，具有强大的统计计算及制图能力，是大数据分析必备的工具，R语言正在被大多数数据分析师作为数据分析主要工具。
3、Eviews：这是一个计量经济学常用软件，数学建模还是有不少题目和经济有关的。用它快速计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图。进行T检验、方差分析、协整检验、Granger因果检验。
4、origin：这是一款超强的数学图形分析工具，软件为用户提供了专业的数学数据分析功能，支持几十种二维和三维绘图模板，，同时还有高端统计分析功能、三维曲面拟合、图像处理和信号处理功能。
5、SPSS：SPSS是全球领先的一款统计分析与数据挖掘软件，也是数学建模经常使用的数据分析软件，软件操作难度不大。被广泛用于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研教育等多个领域和行业。
