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'], inplace=True) 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：1）merge时自动过滤非匹配项 2）rowtotal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。