行业代码映射清洗

国内价值链GVC测算原始数据清洗程序测算代码测算结果文档 众鲤数据网国内产业链的拆解就像玩拼图——原始数据是满地的碎片清洗程序是挑出有用的零件测算代码就是按图索骥的拼装说明书。咱们今天手把手把这套流程走通顺便聊聊实操中的那些骚操作。数据这玩意儿刚拿到手时绝对让人头大。解压包里的industrycodemapping.xlsx藏着行业分类的密码打开一看C13农副食品加工业、C17纺织业…这串字母数字组合活脱脱摩斯电码。处理行业关联得先搞定标准化上Python的pandas准没错mapping pd.read_excel(industry_code_mapping.xlsx) mapping[GB2002] mapping[GB2002].str.extract((\d))[0].str.zfill(4) mapping.dropna(subset[IO2002], inplaceTrue) print(mapping.sample(3))这段代码干了两件关键事把行业代码统一成4位数格式比如把13补成0013然后踢掉映射关系不全的孤儿数据。注意那个zfill(4)当年我在这个坑里栽过跟头——有些代码开头带0用int转换直接归西必须保留字符串格式。国内价值链GVC测算原始数据清洗程序测算代码测算结果文档 众鲤数据网投入产出表才是重头戏CSV文件里密密麻麻的数值看得人眼晕。Stata处理这种矩阵数据最顺手// 上游度指数计算 use IO_Table.dta, clear merge 1:1 industry using GVCMetrics.dta egen upstream rowtotal(F*), missing replace upstream upstream / total_output if !missing(total_output) xtile gvc_rank upstream, nq(5)这段代码藏着三个彩蛋1merge时自动过滤非匹配项 2rowtotal带missing参数防漏 3分位数排名直接生成梯队。注意total_output为0的行业会出幺蛾子实战中得加个if过滤。跑完代码别急着嗨check结果是否反常识。某次跑出水的生产供应业称霸上游度细查发现行业归类时把输水管网算作了中间投入。这时候得回炉重造映射表在行业注释文档里追加备注/* 特别处理 */ - C46水生产和供应业剔除管网基础设施部分 - C39计算机通信业合并软件服务细分项最后成型的GVC指标csv用PowerBI拉个动态热力图最直观。颜色越红的行业像磁铁一样吸附在产业链上游你会发现电子元器件这类闷声发财的行业才是隐形冠军。附上完整代码的Git仓库时千万别忘了加个版本说明——毕竟投入产出表隔几年就变脸2024年用的参数到2025年可能就成毒药了。这套方法论的商业价值在于定位产业链卡脖子环节比如当某行业的上游度突然飙升可能是技术封锁的前兆。不过要小心数据滞后性去年爆雷的某新能源企业GVC指标完美却倒在现金流上这提醒我们数值再漂亮也得接地气。