1  Analysis of French PhD theses

1.1 Load data and libraries

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import datetime

# Set the plotting style
plt.style.use("../bioinfo-fr.mplstyle")

# Load the dataframe
df = pd.read_csv(
    "../tmp/theses-soutenues-filtered.csv", quotechar='"', sep=",", header=0
)
df["date_soutenance"] = pd.to_datetime(df["date_soutenance"])
df.head()

/tmp/ipykernel_66465/3583511864.py:2: DtypeWarning: Columns (5,6,7) have mixed types. Specify dtype option on import or set low_memory=False.
  df = pd.read_csv(

	auteurs.0.idref	auteurs.0.nom	auteurs.0.prenom	date_soutenance	directeurs_these.6.idref	directeurs_these.6.nom	directeurs_these.6.prenom	discipline.en	discipline.fr	langue	resumes.en	resumes.fr	titres.en	titres.fr
0	076645665	Wu	Tao	2003-01-01	NaN	NaN	NaN	NaN	Physique	en	In the most central collisions of Pb-Pb nuclei...	Dans les collisions les plus centrales d'ions ...	Phi and omega production in Pb-Pb collisions a...	NaN
1	102611777	Simonin	Clémence	2011-11-09	NaN	NaN	NaN	NaN	Neurosciences	fr	Objectives: First, to study the mid- and long ...	Objectifs: D’une part étudier les effets de la...	From deep brain stimulation to physiopathologi...	De la stimulation cérébrale profonde à l’étude...
2	198371845	Poupon	Lenaïc	2017-02-15	NaN	NaN	NaN	NaN	Psychologie	fr	This thesis aims to study the dimensions that ...	Cette thèse vise à étudier les conditions psyc...	Acceptation of the electric car : study of a p...	L'acceptation de la voiture électrique : étude...
3	251153770	Snider-Giovannone	Marie-Noëlle	2015-12-15	NaN	NaN	NaN	NaN	Histoire moderne et contemporaine	fr	The title of my thesis: The Allied and Associa...	Cette thèse intitulée : Les Forces alliées et ...	The Allied and Associated Forces in the Far Ea...	Les Forces alliées et associées en Extrême-Ori...
4	158874897	Teixeira	Cédric	2011-11-21	NaN	NaN	NaN	NaN	Histoire du droit	fr	With the appearance of several sources of obli...	Avec l’apparition de plusieurs sources d’oblig...	Classification of sources of obligations from ...	La classification des sources des obligations ...

1.2 Distribution of Theses Defense Dates

# Select only theses defended after 1985
start_year = 2000
current_year = 2023  # For the dataset we have.
# Load precomputed dataframe
df_after = pd.read_csv("../tmp/year_distribution.csv")

plt.figure()
plt.bar(df_after["year"], df_after["count"], color="C0", zorder=3, align="edge")
plt.xlabel("Année")
plt.ylabel("Nombre de thèses soutenues")
plt.title("Thèses soutenues depuis 2000 par année")
plt.show()

1.3 Distribution of Theses by Discipline

Code inspiré de https://github.com/richarddelome/theses_fr/

df_discipline = (
    df["discipline.fr"].explode().value_counts()[:20].sort_values(ascending=True)
)
df_discipline.head()

Terre, océan, espace       3481
Sciences de l'éducation    3594
Géographie                 4391
Philosophie                4616
Droit                      4732
Name: discipline.fr, dtype: int64

plt.figure()
plt.barh(
    df_discipline.index,
    df_discipline.values,
    color="C0",
    zorder=3,
    align="edge",
)
plt.show()