聯合國商品貿易統計數據庫（縮寫UN Comtrade）由聯合國統計署創建，是目前全球最大、最權威的國際商品貿易數據型資源庫，每年超過200個國家和地區向聯合國統計署提供其官方年度商品貿易數據，涵蓋全球99%的商品交易，真實反映國際商品流動趨勢。這是我們研究全球貿易活動最基礎、最權威的數據庫。下載頁面如下：
但是每次都要手動操作壹遍，就比較麻煩。不過UN Comtrade提供了可以更方便獲得數據的接口，我們來嘗試壹下。接口的實現原理，大概相當於：我們把要查詢的數據，編成壹條信息，發給UN Comtrade，然後UN Comtrade返回壹個包含數據的文件，我們再解碼成我們想要的格式。
壹、查看接口格式。
我們先去UN Comtrade的接口網頁，來看壹看接口格式。
上圖就是UN Comtrade的接口中，所包含的參數及格式。具體為：
r：reporting area?報告數據的國家，默認值0
px：classification?商品代碼體系，商品進出口的默認值是HS（即Harmonized System），也可以選ST（即Standard International Trade Classification），服務進出口的默認值是EB02
ps：time period?時間區間，格式為?YYYY?YYYYMM?now?recent等幾種格式，取決於周期是月還是年。now?是獲得最近1期數據（默認值），recent?是獲得最近5期數據
p：partner area?發生貿易往來的經濟體，默認值all
rg：trade regime / trade flow?貿易的方向，1?代表進口，2?代表出口，默認值all
cc：classification code?商品分類代碼，TOTAL?代表全部，AG2?代表兩位代碼（默認值）等
max：maximum records returned?壹次性返回的最大數據條數，默認值是500，普通訪客最高是10萬，認證用戶最高是25萬
type：trade data type?貿易類型，C?是商品（默認值），S?是服務
freq：data set frequency?數據頻率，A?是年（默認值），M?是月
head：heading style?數據擡頭格式，H?適合人閱讀（默認值），M?適合機器閱讀
最近鐵礦石價格高漲，引發市場關註，而中國鐵礦石的主要進口來源地是澳大利亞，我們就來看看，過去5年中國自澳大利亞進口鐵礦石的數據。
我們把相關參數錄入後，點擊左下角的?Try it out!?就會返回給我們壹個地址，這個地址就是向UN Comtrade發送數據請求的信息。同樣，我們可以基於這條信息的格式，來設計我們的?Python?接口函數。
trade.un.org/api/get?r=156&px=HS&ps=2015%2C2016%2C2017%2C2018%2C2019&p=36&rg=1&cc=2601&type=C&freq=A&head=H
我們把這條消息輸入瀏覽器的地址欄，就可以看到返回的數據如下，裏面的?TradeValue?就是我們想要的數據了：
二、調用requests庫解析數據
UN Comtrade的接口以json格式交換數據，我們來看壹看返回的數據格式。我們要用到Python的requests庫。
import requests test = requests.get("trade.un.org/api/get", params=dict(r="156",px="HS",ps="2015,2016,2017,2018,2019",p="36",rg='1',cc='2601',type='C',freq="A")) test.json()
我們來看壹下返回內容，json有點類似於雙重字典，從下文可以看到，返回結果主要包括兩大類，第壹大類是validation，主要是過程信息，第二大類是dataset，主要是我們需要的數據。
{'validation': {'status': {'name': 'Ok', 'value': 0, 'category': 0, 'description': '', 'helpUrl': 'For more reference visit trade.un.org/data/dev/portal/'}, 'message': None, 'count': {'value': 5, 'started': '2020-12-15T02:52:46.3395337+01:00', 'finished': '2020-12-15T02:52:47.0901557+01:00', 'durationSeconds': 0.750622}, 'datasetTimer': {'started': '2020-12-15T02:52:46.3395337+01:00', 'finished': '2020-12-15T02:52:47.8896543+01:00', 'durationSeconds': 1.5501205999999998}}, 'dataset': [{'pfCode': 'H5', 'yr': 2017, 'period': 2017, 'periodDesc': '2017', 'aggrLevel': 4, 'IsLeaf': 0, 'rgCode': 1, 'rgDesc': 'Import', 'rtCode': 156, 'rtTitle': 'China', 'rt3ISO': 'CHN', 'ptCode': 36, 'ptTitle': 'Australia', 'pt3ISO': 'AUS', 'ptCode2': None, 'ptTitle2': '', 'pt3ISO2': '', 'cstCode': '', 'cstDesc': '', 'motCode': '', 'motDesc': '', 'cmdCode': '2601', 'cmdDescE': 'Iron ores and concentrates; including roasted iron pyrites', 'qtCode': 8, 'qtDesc': 'Weight in kilograms', 'qtAltCode': None, 'qtAltDesc': '', 'TradeQuantity': 668420584292, 'AltQuantity': None, 'NetWeight': 668420584292, 'GrossWeight': None, 'TradeValue': 46500341920, 'CIFValue': None, 'FOBValue': None, 'estCode': 0},
三、使用Pandas庫轉換數據格式
我們選擇我們關心的數據，用關鍵字提取出來，然後轉換成DataFrame格式，就可以方便的查看數據了：
import pandas as pd import cufflinks as cf pd.DataFrame(test.json()['dataset'])[['yr','TradeValue']].iplot(x='yr',y='TradeValue',kind='bar',title='中國過去5年自澳大利亞進口鐵礦石金額')
四、簡單封裝
我們把上文中的讀取和解析數據的過程，簡單封裝成壹個函數，以方便後續調用，比如我們想查看中國歷年自澳大利亞進口鐵礦石的金額，可以用如下命令：
import requests import pandas as pd import cufflinks as cf def comtrade_data(**params): r = requests.get("trade.un.org/api/get", params=params) return pd.DataFrame(r.json()['dataset']) Iron_ores = comtrade_data(r="156",px="HS",ps="ALL",p="36",rg='1',cc='2601',type='C',freq="A") Iron_ores[['yr','TradeValue']].iplot(x='yr',y='TradeValue',kind='bar',title='中國自澳大利亞進口鐵礦石金額')
我們想看看中國的大豆自各國進口的情況，用
soybean = comtrade_data(r="156",px="HS",ps="2019",p="all",rg='1',cc='1201',type='C',freq="A") soybean = soybean.sort_values(by='TradeValue',ascending=False) soybean.iloc[1:6].iplot(x='ptTitle',y='TradeValue',kind='bar',title='2019年中國大豆進口額')
從上圖可以看到，2019年中國自巴西的大豆進口，明顯高於美國，那麽這種情況，是否是受到中美貿易摩擦的影響呢？我們用如下命令，就可以很清晰的看到，2018年之前，中國自美國和巴西進口大豆的金額比較接近，但是2018年之後，中國自美進口大豆銳減，並從巴西替代，這也是中美貿易摩擦對美國影響的壹個案例。
soybean_import = comtrade_data(r="156",px="HS",ps="all",p="76,842",rg='1',cc='1201',type='C',freq="A") soybean_import_usa = soybean_import[soybean_import['ptTitle']=='USA'].set_index('yr')[['TradeValue']] soybean_import_brazil = soybean_import[soybean_import['ptTitle']=='Brazil'].set_index('yr')[['TradeValue']] soybean_import_all = soybean_import_usa.join(soybean_import_brazil,lsuffix='_USA',rsuffix='_Brazil') soybean_import_all.iplot(kind='bar',title='中國自美國和巴西進口大豆金額',legend={'orientation':'h','x':0.1,'y':-0.1})
五、幾個註意事項
1、如果是訪客用戶的話，ps、r、p三個參數最多只能填5個代碼，最多只有壹個參數可以使用all，cc最多可以填20個代碼，可以使用all
2、查詢國家的時候，只能錄入國家編號，查詢國家對應編號的地址是trade.un.org/Data/cache/reporterAreas.json
3、查詢對手方國家的時候，只能錄入國家編號，查詢對手方國家對應編號的地址是trade.un.org/Data/cache/partnerAreas.json
4、查詢相關商品對應的HS編碼，地址是trade.un.org/Data/cache/classificationHS.json