新版本在这里：https://rstata.duanshu.com/#/brief/course/2397451274c546d3a36e156ffc865988
今天给大家分享一份 1985～2019 年的专利申请数据，就是之前分享的工企专利、上市公司专利等专利匹配相关数据的原始专利数据。为了方便大家使用，我根据数据中的专利申请人地址解析了经纬度，并且根据经纬度和 2021 年行政区划判断了每个地址所在的省市区县。
数据中一共包含了超过 2700 万条专利申请数据，为了方便大家读取，我把数据拆分成了逐年的，例如 2015 年：
包含如下基本信息：
年份、zlid、申请日、专利类型原有、分类号、主分类号、公开公告日、申请人、参考文献、代理人、代码、地址、分案原申请号、发布路径、发明设计人、国别、国际公布、国际申请、公开公告号、名称、审查员、申请国代码、申请号、申请来源、邮编、页数、优先权、专利代理机构、专利号、专利类型、主权项、摘要、进入国家日期、省、省代码、市、市代码、县、县代码、纬度、经度
其中 zlid 是我给每条专利的编号，平台上其他包含 zlid 变量的数据可以直接和这个数据使用该变量匹配。
经度、纬度是根据申请人地址和申请人名称（如果是企业的话）使用高德地图地理编码和百度地图地理编码接口解析得到的（高德解析不成功的再使用百度解析）。直接解析得到的结果是 GCJ02 坐标，这里我已经转换成了 WGS84 坐标系，可以放心使用。
省、省代码、市、市代码、县、县代码是根据经纬度和 2021 年行政区划数据判断得到。关于如何使用 R 语言或者 Stata 进行地理编码以及根据经纬度判断所处的省市区县，感兴趣的小伙伴可以学习下面两个课程：
- 使用 Stata 进行地理编码：地址解析经纬度、坐标转换 & 根据经纬度判断所处的省市区县：https://rstata.duanshu.com/#/brief/course/537300af1a9947edb758789785c600f3
- 使用 R 语言进行地理编码：地址解析经纬度、坐标转换 & 根据经纬度判断所处的省市区县：https://rstata.duanshu.com/#/brief/course/6f8633b486ed49e398c486d0d9f0f59a
下图展示 2016 年专利申请地址的分布（使用 Stata 绘制）：
各年不同类型的专利申请量如下：
2017 及之后年份的专利数据不太全（原始数据就这样），需要谨慎使用。
专利相关的数据
下面的这些数据都是使用这份专利数据匹配得到的：
- 工企 + 专利（含专利引用与被引用信息）：https://rstata.duanshu.com/#/brief/course/6a7afa444a194b59830a648017bbbbff
- 工企 + 多年专利：https://rstata.duanshu.com/#/brief/course/d3878b0d2e9940b68c003370a14d77ab
- 工企 + 绿色专利：https://rstata.duanshu.com/#/course/04f4aea3b97e42289e990e1ced0081bc
- 上市公司 + 专利：https://rstata.duanshu.com/#/brief/course/b16959c334104e93b8e172a51e28a142
- 上市公司+绿色专利：https://rstata.duanshu.com/#/brief/course/f9aff163b3d949b79989214cc72e6076
- 瞪羚企业、独角兽和科技型初创企业 + 专利（1985～2019年）：https://rstata.duanshu.com/#/brief/course/b6e3783ad1534c5a97544fc457ffb54e
- …
除了上面列举的，还有很多关于专利的数据和课程，感兴趣的小伙伴可以在 RStata 平台上检索。
点击这里跳转到 RStata 短书平台获取附件：旧版本｜1985～2019 年专利申请数据（含申请人地址的经纬度及其所处的省市区县信息）
评论