2001～2023年上市公司供应商、客户与数字经济专利匹配结果

1434 字 约 5 分钟 数据资料 区域经济专利上市公司数据匹配

今天给大家分享一份 2001～2023 年上市公司供应商、客户与数字经济专利匹配结果。该数据由 RStata 数据中心将《2001～2023 年上市公司供应商及客户专利申请与授权信息（含引用与被引用信息）》与《数字经济专利筛选对照表》中的专利编号（newipzlid）清单进行匹配得到，时间范围为 2001～2023 年。

2001~2023 年上市公司供应商及客户专利申请与授权信息：https://rstata.duanshu.com/#/brief/course/8a2dad50eaf1460289799032a81914ac

1985～2024 年数字经济产业相关专利筛选结果：https://rstata.duanshu.com/#/brief/course/d5dfb9ca0858457ebc4f176fce9fee80

数据来源与处理方法

上市公司供应商、客户的专利申请与授权信息文件体量巨大（数十 GB），无法一次性读入内存，因此数据处理采用流式匹配的思路：

  1. 载入专利编号清单：从专利筛选对照表中读取数字经济专利的 newipzlid 编号清单（每个 newipzlid 对应一个专利）；
  2. 流式读取匹配：使用 R 语言 readr::read_csv_chunked 分块流式读取供应商、客户两份大表，每次仅驻留一个 chunk（20 万行），按 newipzlid 是否命中清单将匹配行追加写入中间文件，内存占用保持恒定；
  3. 写出 Stata 数据：将中间文件读入后写出为 .dta 格式，数据标签为 数据处理：微信公众号 RStata；
  4. 按年拆分：供应商、客户两份结果文件均超过 10GB，按年份拆分为逐年文件（2001～2023），存放到独立的 _按年拆分 文件夹中，便于逐年调用。

字段全部以字符型读写，以完整保留带前导零的编码（如股票代码 000825）及长文本（摘要、权利要求等）；Stata 中可用 destring 处理数值列。

数据概览

为了方便大家使用，数据按照内容拆分成四部分存放：

第一部分：上市公司供应商与数字经济专利匹配结果（数据量较大，按年份拆分存放）：

  • 2001～2023年上市公司供应商与数字经济专利匹配结果_按年拆分/（内含 2001～2023 各年一个 dta 文件）

第二部分：上市公司客户与数字经济专利匹配结果（数据量较大，按年份拆分存放）：

  • 2001～2023年上市公司客户与数字经济专利匹配结果_按年拆分/（内含 2001～2023 各年一个 dta 文件）

数据中包含 newipzlid 变量，可以直接和专利数据使用该变量匹配；省、省代码、市、市代码、县、县代码是根据 2021 年行政区划判断得到。

第三部分：数字经济专利筛选结果：

  • 基于分类号筛选的数字经济专利newipzlid.dta（专利编号 newipzlid 与数字经济产业分类 ID 的对照关系）

第四部分：分类对照表：

  • 数字经济核心产业分类与国际专利分类参照关系表.dta（每个数字经济产业分类 ID 的具体含义）

数据预览如下：

图表展示

下图展示了 2001～2023 年上市公司供应商与客户的数字经济专利申请数量年度趋势：

下图展示了供应商与客户数字经济专利的省份分布（地图中为两者合计）：

下图展示了供应商与客户的专利类型构成：

处理代码

下面展示匹配过程的核心代码（R 语言，流式读取 + 按 newipzlid 匹配）：

# 载入数字经济专利 newipzlid 编号清单
x <- fread(f, colClasses = "character")[[1]]
id_set <- unique(x[!is.na(x) & x != ""])

# 流式读取供应商/客户大表，按 newipzlid 命中情况写出匹配行
cb <- function(x, pos) {
    x <- as.data.table(x)
    m <- x[["newipzlid"]] %in% id_set
    if (any(m)) fwrite(x[m], out_path, append = TRUE, col.names = FALSE)
    NULL
}
read_csv_chunked(input_csv, callback = cb, chunk_size = 200000,
                 col_types = cols(.default = col_character()))

# 写出 Stata 数据
write_dta(dt, out_path, version = 14, label = "数据处理：微信公众号 RStata")

注意事项

在计算专利数量时需要注意，专利数据中很多专利同时存在申请和授权记录，统计时应先去除重复：可先去除公开公告号中的 A、B、U、S（A 代表发明专利申请公开，B 代表发明专利授权公告，U 代表实用新型专利授权公告，S 代表外观设计专利授权公告），再使用 duplicates drop 去重。

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 2001～2023年上市公司供应商、客户与数字经济专利匹配结果. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Matching Results of Listed Company Suppliers and Customers with Digital Economy Patents, 2001–2023. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

2001～2023 年上市公司供应商及客户专利申请与授权信息：https://rstata.duanshu.com/#/course/8a2dad50eaf1460289799032a81914ac

1985～2024 年上市公司数字经济产业专利申请与授权数据：https://rstata.duanshu.com/#/course/35c27abc6d664b85bb2ea312d85ed5ce

1985～2024 年上市公司与专利数据匹配结果（版本3， 含申请、授权信息）：https://rstata.duanshu.com/#/course/04100321f88b411f90429be934934bff

1985～2024 年专利申请与授权数据（版本 3，含申请人所处的省市区县）：https://rstata.duanshu.com/#/course/2397451274c546d3a36e156ffc865988

1985～2024 年关键数字技术专利筛选结果：https://rstata.duanshu.com/#/course/f9129bf93ecc4da8b15a5065e14b90e0

点击这里跳转到 RStata 短书平台获取附件：2001～2023年上市公司供应商、客户与数字经济专利匹配结果

相关文章

评论