计算经济复杂性和相关变量的包
ecomplexit的Python项目详细描述
经济复杂性和产品复杂性
BR/Python软件包来计算经济复杂性指数。
BR/> STATA实施的经济复杂性指数可在:http://Github.com/CID哈佛/经济丛
BR/>使用哈佛CID的阿特拉斯工具探索复杂性和相关数据:http://阿特拉斯,cd.哈佛,EDU.BR/>教程< BR/> *B*/***:BR/>在终端:“PIP安装eBuffy”
*BR/**用法**:Prth/Br/>从生态丛导入,从生态丛导入接近
BR/> BR/>从CID阿特拉斯导入贸易数据< BR/> DATAYURL=“OnAWStudio2DigialDeal.CsV.BR/>数据=Pd。Read Oracle CSV(DATAURL,压缩=“zip”,LoLyMeals= false))数据[ [年','LooSuthOnCult','HsStudioTo'代码'',ExtPosialValue'] ] < Br/> >计算复杂度
TealthCuls= { Time:```,’LOC’:‘LooSoToCube’,‘PROD’:'HSL产品代码',“http://iTL阿特拉斯下载。'Val':'BR/c> Cdata=eCo(数据,TraceY-COLs)< BR/>< BR/>计算接近矩阵< Br/> PROXYDF=接近(数据,TraceY-COLs)
‘BR/> ** ***:
`
数据:包含生产/贸易数据的熊猫数据包。product和value
cols_input:时间、位置、产品和值的列名的dict。
示例:{time':'year'、'loc':'origin'、'prod':'hs92'、'val':'export'val'}
presence_test:str用于测试位置中是否存在工业。
“rca”(默认)、“rpop”、“both”或“manual”之一。
确定哪些值是用于m_cp计算。
如果是“手动”,则m_cp取自数据中的“值”列
val_errors_flag:{'converate','ignore','raise'}。传递给pd.to-u numeric
*default*强制。
rca-mcp-threshold:数字表示rca阈值,超过该阈值mcp为1。
*default*1。
rpop-mcp-threshold:数字表示rpop阈值,超过该阈值mcp为1。
*default*1。仅使用PrimeSyt测试不是“RCA”。
POP:大熊猫DF,按时间、位置和相应的人口顺序排列。
如果PrimeSyTestRestar是“RCA”(默认),则不需要。
连续:用于计算产品近邻,指示
是考虑每个产品对的相关性(true)还是考虑产品
共现性(false)。*默认值* false,由于两者处理矩阵计算的方式,stata和python之间的coi和cog。这些应该在未来进行调整。
-knn密度选项:在未来,允许knn参数用于密度计算
经济复杂性的阿特拉斯:映射通向繁荣的道路(第1部分)。检索自https://growthlab.cid.harvard.edu/files/growthlab/files/atlas_u part1.pdf-hidalgo,c.a.,klinger,b.,barabasi,a.-l.,and;hausmann,r.(2007)。产品空间是国家发展的条件。科学,317(5837),482-487。http://doi.org/10.1126/science.1144581
BR/Python软件包来计算经济复杂性指数。
BR/> STATA实施的经济复杂性指数可在:http://Github.com/CID哈佛/经济丛
BR/>使用哈佛CID的阿特拉斯工具探索复杂性和相关数据:http://阿特拉斯,cd.哈佛,EDU.BR/>教程< BR/> *B*/***:BR/>在终端:“PIP安装eBuffy”
*BR/**用法**:Prth/Br/>从生态丛导入,从生态丛导入接近
BR/> BR/>从CID阿特拉斯导入贸易数据< BR/> DATAYURL=“OnAWStudio2DigialDeal.CsV.BR/>数据=Pd。Read Oracle CSV(DATAURL,压缩=“zip”,LoLyMeals= false))数据[ [年','LooSuthOnCult','HsStudioTo'代码'',ExtPosialValue'] ] < Br/> >计算复杂度
TealthCuls= { Time:```,’LOC’:‘LooSoToCube’,‘PROD’:'HSL产品代码',“http://iTL阿特拉斯下载。'Val':'BR/c> Cdata=eCo(数据,TraceY-COLs)< BR/>< BR/>计算接近矩阵< Br/> PROXYDF=接近(数据,TraceY-COLs)
‘BR/> ** ***:
`
数据:包含生产/贸易数据的熊猫数据包。product和value
cols_input:时间、位置、产品和值的列名的dict。
示例:{time':'year'、'loc':'origin'、'prod':'hs92'、'val':'export'val'}
presence_test:str用于测试位置中是否存在工业。
“rca”(默认)、“rpop”、“both”或“manual”之一。
确定哪些值是用于m_cp计算。
如果是“手动”,则m_cp取自数据中的“值”列
val_errors_flag:{'converate','ignore','raise'}。传递给pd.to-u numeric
*default*强制。
rca-mcp-threshold:数字表示rca阈值,超过该阈值mcp为1。
*default*1。
rpop-mcp-threshold:数字表示rpop阈值,超过该阈值mcp为1。
*default*1。仅使用PrimeSyt测试不是“RCA”。
POP:大熊猫DF,按时间、位置和相应的人口顺序排列。
如果PrimeSyTestRestar是“RCA”(默认),则不需要。
连续:用于计算产品近邻,指示
是考虑每个产品对的相关性(true)还是考虑产品
共现性(false)。*默认值* false,由于两者处理矩阵计算的方式,stata和python之间的coi和cog。这些应该在未来进行调整。
-knn密度选项:在未来,允许knn参数用于密度计算
经济复杂性的阿特拉斯:映射通向繁荣的道路(第1部分)。检索自https://growthlab.cid.harvard.edu/files/growthlab/files/atlas_u part1.pdf-hidalgo,c.a.,klinger,b.,barabasi,a.-l.,and;hausmann,r.(2007)。产品空间是国家发展的条件。科学,317(5837),482-487。http://doi.org/10.1126/science.1144581