Programação em Python ou R para projeto de Pesquisa

Estou com uma base de dados de patente, com inventores, número, países e etc. Umas 18 mil linhas.
Precisarei fazer uma análise de correlação entre essas informações.

De forma geral, pretende-se contribuir para o estado da arte em estratégia de inovação, ao sistematizar uma base de patentes e explicar as relações entre elas.


Os dados já estão coletados, porém não tratados. O estudo já foi realizado em outras áreas, portanto a metodologia está pronta. Iremos replicá-lo para a minha unidade de análise.

Será necessário tratar os dados para que registros com mais de um dado na mesma variável seja quebrado

Além disso, ser criadas algumas macros no Excel ou similares para criação de novas tabelas a partir de dados que estavam agrupados em apenas um registro na base original.

A execução da macro faz com que esse único registro seja transforma em dois, uma linha
com o número da patente para cada titular.

Após, é necessário fazer o refinamento nos nomes dos titulares das patentes para obter uma melhor padronização, uma vez que existem variações de sintaxe dos mesmos nomes.

Depois será neessário a geração de estatísticas descritivas acerca da base final de patentes. Após, para geração das redes e identificação das cooperações para desenvolvimento de tecnologias, são utilizadas patentes com mais de um titular como proxy para cooperação tecnológica.