Data_Extract_From_世界发展指标
stata代码解读 -回复
stata代码解读-回复Stata是一款统计分析软件，可用于数据管理和数据分析。
其语法简洁明了，功能强大，广泛应用于各个领域的学术研究和商业分析。
本文将以中括号内的Stata代码内容为主题，分步解读其含义和应用，并探讨在实际数据分析中的一些常见用法和技巧。
[sysuse auto,clear]首先，我们来解读这行代码的含义。
sysuse是Stata的一个命令，用于加载已经内置的数据集。
在这个例子中，它加载了auto数据集，这是Stata 自带的一个示例数据集，其中包含了有关汽车销售的信息。
clear则是一个选项，用于在加载数据集之前清除当前内存中的所有数据。
这一行代码的作用是将auto数据集加载到Stata的工作环境中，以便后续的数据分析和处理操作。
[summarize]接下来，我们看到了另一行代码summarize。
这是Stata中的一个常用命令，用于生成数据集的描述性统计摘要。
它会显示出每个变量的数量、均值、标准差、最小值、最大值和缺失值的数量等信息。
使用这个命令可以帮助我们快速了解数据集的结构和特征，找出可能存在的异常或错误值，以及对数据的整体分布有一个初步的了解。
[generate log_price = log(price)]这一行代码使用了generate命令，在auto数据集中新建了一个名为log_price的变量，并将其定义为price变量的对数值。
在实际数据分析中，我们经常需要对变量进行数学运算或创建新的变量。
generate命令就是用于这个目的的。
它可以通过对已有变量进行基本算术运算、逻辑运算或函数运算来生成新的变量。
这个例子中，我们通过对price变量取对数来创建了一个新的变量log_price。
这在金融和经济学等领域中是常见的操作，用于对价格等指标进行波动率的比较分析。
[regress mpg weight]接下来，我们看到了regress命令。
这是Stata中的一个常用命令，用于进行线性回归分析。
r语言中data。frame函数
r语言中data。
frame函数data.frame函数是R语言中非常常用的函数之一。
它用于创建数据框（data frame），数据框是R语言中一种常见的数据结构，类似于Excel中的表格。
在数据分析和统计建模中，数据框是最常见的数据格式之一，因此熟练掌握data.frame函数的使用是非常重要的。
让我们来了解一下data.frame函数的基本语法。
data.frame函数的语法如下：```Rdata.frame(..., s = NULL, check.rows = FALSE, s = TRUE, s = TRUE, stringsAsFactors = default.stringsAsFactors())```在这个语法中，`...`表示数据框的列，可以是向量、数组、列表或其他数据框。
`s`参数用于指定行名，如果不指定，默认为数字序号。
`check.rows`参数用于指定是否检查数据的行数是否一致，如果设置为TRUE，当数据的行数不一致时会报错。
`s`参数用于指定是否检查列名是否合法，如果设置为TRUE，则会修改不合法的列名。
`s`参数用于指定是否修复空列名。
`stringsAsFactors`参数用于指定字符向量是否转换为因子，默认为全局选项。
接下来，我们将通过一些具体的例子来说明data.frame函数的使用。
我们可以使用向量来创建数据框。
例如，我们可以创建一个包含姓名、年龄和性别的数据框，代码如下：```Rname <- c("张三", "李四", "王五")age <- c(20, 25, 30)gender <- c("男", "女", "男")df <- data.frame(name, age, gender)```这样就创建了一个名为df的数据框，它包含了三列：姓名、年龄和性别。
pandas extract用法 -回复
pandas extract用法-回复Pandas是一个强大的Python库，用于数据处理和分析。
它提供了许多功能来处理和转换数据，其中之一是`extract`函数。
`extract`函数可以用来提取字符串中符合特定模式的部分。
在本篇文章中，我将详细介绍`extract`函数的使用方法，并通过示例演示它的实际应用。
第一步：了解extract函数的基本语法和参数在开始之前，我们需要了解`extract`函数的基本语法和参数。
它的基本语法如下：DataFrame['column_name'].str.extract(pat, flags=0, expand=True)参数说明：- `pat`：提取模式，可以是正则表达式或带有分组的字符串。
- `flags`：正则表达式的标志，用于控制匹配的方式。
- `expand`：指定返回结果的形式。
第二步：使用正则表达式作为提取模式`extract`函数主要通过正则表达式来提取字符串中的部分。
正则表达式是一种强大的模式匹配工具，用于识别具有特定模式的字符串。
我们可以将正则表达式作为`pat`参数传递给`extract`函数。
下面的例子将进一步说明如何使用正则表达式来提取字符串中的内容。
假设我们有以下的一个数据集，其中包含了人们的姓名信息：import pandas as pddata = {'Name': ['John Smith', 'Jane Doe', 'Robert Johnson']}df = pd.DataFrame(data)我们想要从`Name`列中提取出人们的姓氏。
为了做到这一点，我们可以使用正则表达式`\w+`，其中：- `\w`代表匹配一个单词字符- ``代表匹配字符串结尾因此，正则表达式`\w+`表示匹配字符串中的最后一个单词字符到字符串结尾的部分。
现在，我们可以使用`extract`函数来提取姓氏信息。
数据透析表的查询与检索数据的常用函数详解
数据透析表的查询与检索数据的常用函数详解数据透析表（Pivot Table）是一种数据分析工具，可用于对大量数据进行快速汇总和可视化分析。
在数据分析领域中，数据透析表是一项常用而强大的工具，它能使用户在不需要编写复杂的代码和查询语句的情况下对数据进行透视分析。
数据透析表的核心是基于原始数据集，通过将数据进行重新组织和汇总，使用户能够快速、直观地掌握数据的概要信息和关联关系。
在进行数据透析表分析时，我们通常需要使用一些常用的函数来查询和检索数据，以满足不同的需求。
下面将对一些常用函数进行详细的解释和说明。
1. SUM函数：SUM函数用于计算指定数据范围内的数值总和。
例如，SUM(A1:A10)将计算A1到A10单元格范围内的数值总和。
2. AVERAGE函数：AVERAGE函数用于计算指定数据范围内的数值平均值。
例如，AVERAGE(A1:A10)将计算A1到A10单元格范围内的数值平均值。
3. COUNT函数：COUNT函数用于计算指定数据范围内的非空单元格数量。
例如，COUNT(A1:A10)将计算A1到A10单元格范围内的非空单元格数量。
4. MAX函数：MAX函数用于计算指定数据范围内的最大值。
例如，MAX(A1:A10)将返回A1到A10单元格范围内的最大值。
5. MIN函数：MIN函数用于计算指定数据范围内的最小值。
例如，MIN(A1:A10)将返回A1到A10单元格范围内的最小值。
6. IF函数：IF函数用于基于指定条件对数据进行逻辑判断并返回相应的结果。
例如，IF(A1>10, "大于10", "小于等于10")将判断A1单元格的数值是否大于10，如果是，则返回"大于10"，否则返回"小于等于10"。
7. VLOOKUP函数：VLOOKUP函数用于在数据范围中查找指定值，并返回相应的结果。
例如，VLOOKUP(A1, B1:C10, 2, FALSE)将在B1到C10范围内查找A1单元格的值，并返回找到的值对应的第二列数据。
统计学导论,基于python应用
统计学导论,基于python应用统计学是一门研究数据收集、分析、解释和应用的学科。
它在各个领域都有重要的应用价值，包括科学研究、商业决策、社会调查等。
而Python作为一种强大的编程语言，具有丰富的数据处理和分析库，被广泛应用于统计学的研究和实践中。
在统计学导论中，我们首先需要了解统计学的基本概念和原理。
统计学主要关注数据的收集和分析，通过对数据的整理、描述和推断，揭示数据背后的规律和趋势。
而Python作为一种高效的编程语言，提供了丰富的数据处理和分析库，如NumPy、Pandas、Matplotlib 等，可以帮助我们进行数据的整理、可视化和分析。
数据的整理是统计学中非常重要的一步。
在Python中，我们可以使用Pandas库来读取和处理数据。
Pandas提供了DataFrame这个数据结构，可以方便地处理各种类型的数据。
我们可以通过读取CSV 文件、Excel文件或者数据库，将数据导入到DataFrame中，并进行各种操作，如数据清洗、缺失值处理等。
数据的描述是统计学中另一个重要的内容。
Python中的描述统计学主要通过计算数据的基本统计量来实现，如均值、中位数、标准差等。
我们可以使用NumPy库来进行这些计算。
NumPy提供了各种统计函数，可以方便地计算数据的基本统计量。
此外，我们还可以使用Matplotlib库来绘制各种图表，如直方图、折线图等，以便更直观地描述数据的分布和趋势。
数据的推断是统计学中最为重要的一环。
通过对样本数据的分析，我们可以对总体数据进行推断。
在Python中，我们可以使用Scipy 库来进行统计推断。
Scipy提供了各种统计推断函数，如t检验、方差分析等，可以帮助我们对样本数据进行假设检验和置信区间估计。
除了基本的数据处理和分析，Python还提供了一些高级的统计学方法和模型。
例如，我们可以使用Statsmodels库来进行线性回归分析，可以使用Scikit-learn库来进行机器学习和数据挖掘。
petl方法
PETL（Python Extract Transform Load）是一种常用的数据处理方法，它可以帮助数据专业人员更高效地从源数据中提取、转换和加载数据。
本文将介绍PETL方法的基本原理和常见应用场景。
首先，让我们来了解PETL的基本原理。
PETL是基于Python的一个开源数据处理库，它提供了一套简洁而强大的API，用于处理各种数据源。
PETL的核心理念是将数据处理过程分为三个主要步骤：提取（Extract）、转换（Transform）和加载（Load）。
在提取阶段，PETL可以从各种不同的数据源中提取数据，例如数据库、CSV文件、Excel文件等。
在转换阶段，PETL可以对提取的数据进行各种复杂的操作，例如数据清洗、重命名字段、合并数据等。
最后，在加载阶段，PETL可以将转换后的数据加载到目标数据源中，例如数据库、CSV文件等。
PETL方法的一个重要特点是其简洁而强大的API。
PETL提供了一系列易于理解和使用的函数，用于执行各种数据处理操作。
例如，可以使用PETL的select函数来选择特定的字段，使用cut函数来移除不需要的字段，使用rename函数来重命名字段，以及使用join函数来合并不同的数据表。
此外，PETL还支持各种数据类型的转换和操作，例如字符串操作、日期操作、数值操作等，使得数据处理变得更加灵活和高效。
PETL方法在实际应用中有着广泛的用途。
例如，在数据清洗方面，PETL可以帮助我们快速而准确地清洗数据，移除重复值、缺失值和异常值，以及进行数据格式的转换。
在数据整合方面，PETL可以帮助我们将来自不同数据源的数据进行合并和整合，从而生成更全面和准确的数据集。
在数据分析方面，PETL可以帮助我们对数据进行各种复杂的分析和计算，例如统计指标的计算、数据透视表的生成等。
此外，PETL还可以与其他数据处理工具和库进行集成，例如Pandas、NumPy等，从而进一步扩展其应用范围和功能。
帆软birfm指标 -回复
帆软birfm指标-回复帆软birfm指标是一种数据分析和业务调查框架，它包含了五个关键指标，分别是效用（Benefit）、影响（Impact）、资源（Resources）、风险（Risk）和变化（Change）。
效用（Benefit）是指项目或业务活动所带来的实际收益或利益。
在使用帆软birfm指标时，我们需要确定并量化项目或业务活动所带来的效益，这有助于评估项目的价值和回报。
影响（Impact）是指项目或业务活动对所关注领域的变化程度。
它可以是积极的，例如提高效率、降低成本；也可以是消极的，例如增加风险或引起破坏。
通过衡量影响，我们可以更好地了解项目的绩效和可能产生的结果。
资源（Resources）是指项目或业务活动所需要的各种资源，包括人力、物力、财力等。
拥有足够的资源可以支持项目的顺利进行，并确保项目能够实现预期目标。
风险（Risk）是指项目或业务活动所面临的不确定性和潜在问题。
通过评估风险，我们可以有效地制定风险管理策略，并采取相应的措施来降低风险对项目或业务的负面影响。
变化（Change）是指项目或业务活动所带来的组织内外的变化。
这些变化可能涉及人员、流程、系统或文化等方面。
了解这些变化有助于我们更好地规划和管理项目，并确保变革的成功实施。
帆软birfm指标的使用过程可以分为以下几个步骤：第一步，明确项目或业务活动的目标和关键结果。
确保目标具体、可衡量，并与组织的战略目标相一致。
在这个阶段，需要定义清晰的指标和评估标准。
第二步，评估效益和影响。
使用适当的数据收集方法和分析工具，量化项目或业务活动所带来的实际效益和影响。
这可以包括问卷调查、访谈、成本效益分析等。
第三步，估算所需资源。
确定项目或业务活动所需要的各种资源，并评估其可行性和可获得性。
这可以通过成本估算、人力资源规划等方法来完成。
第四步，评估风险。
识别与项目或业务活动相关的潜在风险，并对其进行评估和管理。
这可能涉及到风险识别、风险分析和制定相应的风险管理计划。
如何使用Python实现金融数据分析
如何使用Python实现金融数据分析随着金融市场的日益发展，金融数据分析已经成为了金融行业中非常重要的一部分。
针对这一需求，Python作为一种广泛使用的编程语言，逐渐被金融分析师们所青睐。
本文将从数据源的获取、数据清洗、数据可视化等多个角度出发，探讨如何使用Python实现金融数据分析。
一、数据源获取进行金融数据分析的第一步便是获取数据。
在这个过程中，我们可以选择从Google Finance、Yahoo Finance、Quantopian等网站获取，同时也可以通过专业的数据提供商（如Wind、恒生等）购买。
这里，我们就以Yahoo Finance为数据来源，给出Python实现的示例。
首先，我们需要安装Python的pandas包、numpy包以及matplotlib包。
然后使用如下代码获取需要的数据：```pythonimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport pandas_datareader as pdrstart_date = '2019-01-01'end_date = '2019-12-31'stock_code = 'AAPL'df = pdr.get_data_yahoo(stock_code, start=start_date,end=end_date)```这里，我们通过pandas_datareader包中的get_data_yahoo函数获取特定代码的股票数据信息。
其中，start和end指定了数据获取的时间范围，而stock_code则是指定了需要获取的股票代码。
通过这行代码，我们能够轻松地获取到所需的数据。
二、数据清洗获取数据之后，我们需要对数据进行清洗。
具体而言，这一过程包括去除不必要的信息、对缺失值进行填充、删除重复的数据、对数据进行排序等多方面。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2005年不变价美Series Name P（2005年不变价美元2005年不变价美2005年不变价美2005年不变价美（2005年不变价美2005年不变价美NY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KDSeries Code NY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KD印度尼西亚马来西亚菲律宾国香港特别行政Country Name中国日本大韩民国Country Code CHN JPN KOR HKG IDN MYS PHL1991 [YR1991] 5.76622E+11 3.98E+124.15E+11 1.06E+11 1.63E+11 6.28E+10 6.17E+10 1992 [YR1992] 6.58943E+11 4.01E+124.39E+11 1.13E+11 1.75E+11 6.84E+10 6.2E+10 1993 [YR1993]7.50785E+11 4.02E+124.67E+11 1.2E+11 1.88E+117.51E+10 6.33E+10 1994 [YR1994]8.48973E+11 4.05E+125.08E+11 1.27E+11 2.02E+118.2E+10 6.6E+10 1995 [YR1995]9.42308E+11 4.13E+125.53E+11 1.3E+11 2.19E+119.01E+10 6.91E+10 1996 [YR1996] 1.03583E+12 4.24E+125.93E+11 1.35E+11 2.36E+119.91E+107.32E+10 1997 [YR1997] 1.1314E+12 4.31E+126.27E+11 1.42E+11 2.47E+11 1.06E+117.7E+10 1998 [YR1998] 1.22026E+12 4.22E+125.91E+11 1.34E+11 2.15E+119.86E+107.65E+10 1999 [YR1999] 1.31322E+12 4.21E+126.55E+11 1.37E+11 2.16E+11 1.05E+117.89E+10 2000 [YR2000] 1.42391E+12 4.31E+127.13E+11 1.48E+11 2.27E+11 1.14E+118.24E+10 2001 [YR2001] 1.54208E+12 4.32E+127.45E+11 1.48E+11 2.35E+11 1.14E+118.47E+10 2002 [YR2002] 1.68227E+12 4.34E+128E+11 1.51E+11 2.46E+11 1.21E+118.78E+10 2003 [YR2003] 1.85083E+12 4.41E+128.24E+11 1.56E+11 2.58E+11 1.28E+119.22E+10 2004 [YR2004] 2.03731E+12 4.51E+128.64E+11 1.69E+11 2.7E+11 1.36E+119.84E+10 2005 [YR2005] 2.26859E+12 4.57E+128.98E+11 1.82E+11 2.86E+11 1.44E+11 1.03E+11 2006 [YR2006] 2.55644E+12 4.65E+129.45E+11 1.94E+11 3.02E+11 1.52E+11 1.08E+11 2007 [YR2007] 2.91932E+12 4.75E+129.96E+11 2.07E+11 3.21E+11 1.61E+11 1.16E+11 2008 [YR2008] 3.20026E+12 4.7E+12 1.02E+12 2.11E+11 3.4E+11 1.69E+11 1.2E+11 2009 [YR2009] 3.49576E+12 4.44E+121.03E+12 2.06E+11 3.56E+11 1.66E+11 1.22E+11 2010 [YR2010] 3.86742E+12 4.65E+12 1.1E+12 2.2E+11 3.78E+11 1.79E+11 1.31E+11 2011 [YR2011] 4.23422E+12 4.63E+121.14E+12 2.31E+11 4.01E+11 1.88E+11 1.36E+11 2012 [YR2012] 4.56239E+12 4.71E+121.17E+12 2.35E+11 4.25E+11 1.99E+11 1.45E+11 2013 [YR2013] 4.91295E+12 4.78E+12 1.2E+12 2.42E+11 4.49E+11 2.08E+11 1.56E+11 2014 [YR2014] 5.27411E+12 4.78E+121.24E+12 2.48E+11 4.72E+11 2.2E+11 1.65E+112005年不变价美2005年不变价美（2005年不变价美2005年不变价美2005年不变价美2005年不变价美（2005年不变价美（2005年不变价美2005年不变价美NY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KD NY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KDNY.GDP.MKTP.KD乌兹别克斯坦塔吉克斯坦吉尔吉斯斯坦土库曼斯坦新加坡泰国俄罗斯联邦蒙古哈萨克斯坦SGP THA RUS MNG KAZ KGZ TKM UZB TJK5.38E+109.65E+108.01E+11 1.69E+09 4.47E+10 2.83E+097.67E+09 1.12E+10 3.54E+095.76E+10 1.04E+116.84E+11 1.53E+09 4.23E+10 2.43E+09 6.52E+099.92E+09 2.51E+096.43E+10 1.13E+11 6.25E+11 1.48E+09 3.85E+10 2.06E+09 6.62E+099.69E+09 2.1E+097.13E+10 1.23E+11 5.46E+11 1.51E+09 3.36E+10 1.64E+09 5.47E+099.18E+09 1.65E+097.63E+10 1.34E+11 5.24E+11 1.61E+09 3.08E+10 1.56E+09 5.08E+099.1E+09 1.45E+098.21E+10 1.42E+11 5.05E+11 1.65E+09 3.1E+10 1.67E+09 5.42E+099.26E+09 1.21E+098.89E+10 1.4E+11 5.12E+11 1.71E+09 3.15E+10 1.83E+09 4.8E+099.74E+09 1.23E+098.69E+10 1.26E+11 4.85E+11 1.77E+09 3.09E+10 1.87E+09 5.14E+09 1.02E+10 1.29E+099.22E+10 1.31E+11 5.16E+11 1.82E+09 3.18E+10 1.94E+09 5.99E+09 1.06E+10 1.34E+091E+11 1.38E+11 5.67E+11 1.84E+09 3.49E+10 2.04E+09 6.32E+09 1.1E+10 1.45E+099.94E+10 1.4E+11 5.96E+11 1.9E+09 3.96E+10 2.15E+09 6.59E+09 1.15E+10 1.6E+091.04E+11 1.48E+11 6.25E+11 1.99E+09 4.35E+102.15E+09 6.61E+09 1.19E+10 1.77E+091.08E+11 1.59E+11 6.7E+112.13E+09 4.75E+10 2.3E+09 6.83E+09 1.24E+10 1.96E+091.19E+11 1.69E+117.18E+112.35E+09 5.21E+10 2.46E+097.17E+09 1.34E+10 2.17E+091.27E+11 1.76E+117.64E+112.52E+09 5.71E+10 2.46E+098.1E+09 1.43E+10 2.31E+091.39E+11 1.85E+118.26E+112.74E+09 6.32E+10 2.54E+098.99E+09 1.54E+10 2.47E+091.51E+11 1.95E+118.97E+11 3.02E+09 6.89E+102.75E+099.99E+09 1.68E+10 2.67E+091.54E+112E+119.44E+11 3.29E+097.11E+102.98E+09 1.15E+10 1.84E+10 2.88E+091.53E+11 1.95E+118.7E+11 3.25E+097.2E+10 3.07E+09 1.22E+10 1.99E+102.99E+091.76E+112.1E+119.09E+113.45E+097.72E+10 3.06E+09 1.33E+10 2.16E+10 3.18E+091.87E+112.1E+119.48E+11 4.05E+098.3E+103.24E+09 1.52E+10 2.34E+10 3.42E+091.94E+112.24E+119.8E+11 4.55E+098.72E+103.24E+09 1.69E+10 2.53E+10 3.67E+092.02E+11 2.3E+119.93E+11 5.08E+099.24E+103.59E+09 1.86E+10 2.73E+10 3.94E+092.08E+11 2.32E+111E+12 5.48E+099.64E+103.72E+09 2.06E+10 2.95E+104.21E+09数（各国基准年数（各国基准年P 平减指数（各国基准年有所不同数（各国基准年数（各国基准年数（各国基准年数（各国基准年数（各国基准年NY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZS NY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZS印度尼西亚马来西亚菲律宾新加坡国香港特别行政中国日本大韩民国CHN JPN KOR HKG IDN MYS PHL SGP54.1901369108.627850.9603173.787798.41746156.8303446.4902579.9089258.62320595110.35354.962481.092278.86958.2031850.1781680.7048167.52533573110.835758.4984488.076759.65657760.5229653.6064183.4506581.45967225110.963262.9994893.6443610.4075162.9063258.962486.5161992.57994492110.158367.6970397.5207711.4173865.1916863.4145789.3620898.60831511109.544971.06757103.258612.4282367.5909868.2727990.67696100.1891828110.196773.80498109.206613.9906269.9447372.5223591.6158699.27253366110.136777.46037110.538824.5215375.889488.754190.3723298.00912211108.733976.65262106.011527.9940775.9233894.5986186.84885100107.377377.38191102.413233.7181582.646610090.0963 102.049203106.091180.20667100.596438.538481.33946105.549588.07561102.648984104.446482.661497.174340.8106583.88448109.942786.97576105.3000816102.655485.4678391.3363243.050186.65177113.462385.49053112.5781561101.26788.0182588.0565446.731291.85912119.721989.1238116.941690910088.9262287.9244153.42861100126.699391.10784121.504704598.8785788.8018887.4542160.95533103.9806132.969792.67488131.020888697.9582790.9306690.198167.81803109.0564137.078998.10655141.250529996.718993.6191891.3540280.12684120.3867147.427196.64318141.099509896.2350396.9354491.0110486.75714113.1727151.5156100.046150.888366794.152110091.25742100117.8329157.9132100163.169491892.4091101.584694.81454107.4659124.3876164.264101.1631167.072753391.5486102.644698.17554111.5001125.2701167.412102.3361170.806771691.04653103.5208100116.7506125.2945170.6934102.2735172.218884492.54132104.1037102.8959123.0456128.138176.014102.4972数（各国基准年数（各国基准年数（各国基准年数（各国基准年数（各国基准年数（各国基准年数（各国基准年数（各国基准年NY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZSNY.GDP.DEFL.ZS塔吉克斯坦土库曼斯坦乌兹别克斯坦吉尔吉斯斯坦泰国俄罗斯联邦蒙古哈萨克斯坦THA RUS MNG KAZ KGZ TKM UZB TJK 118.69310.0135680.474160.0027260.315407 3.48E-050.0054950.003103 124.0230.215789 1.2977320.042865 2.9337840.0011130.0446240.020909 128.0996 2.13165 5.4361640.57587925.067070.0137350.5260620.273319 134.77088.682178.9326729.48315270.407120.1445377.041840.877485 142.304121.1847614.3166124.74047100 1.16456133.16312 3.913588 148.010930.8877915.8638934.36442135.342912.9761960.2093820.76365 154.025535.5392319.3019339.90937161.477120.9886110034.30791 168.253842.1277418.9290642.16938176.135224.6888138.99864.43975 161.459372.6226520.9888747.76953242.317230.37004200.317481.52095 163.632810023.5074756.09404308.184337.49437295.1492100167.0191116.489525.9636661.79119330.781549.61062428.5262130.2082 168.3835134.537227.6174665.37708337.481362.08923623.2886154.7113 170.6195153.076530.4445573.05138350.896178.94915789.8526196.4697 175.9529184.123635.5261984.83576368.821493.43455914.0216230.8882 183.8481219.670742.6664100395.11331001109.386252.8589 193.487252.994852.04736121.5517432.2208112.261347.906306.1199 200.1678287.919358.09972140.4252496.5203122.65481671.583389.4978 208.037339.628870.56139169.8253606.8272195.93631996.42499.1951 212.0867346.471.85034177.792631.3145215.05472411.191560.2678 219.8558395.5439100212.5366694.66215.77962882.617630.0865 229.1505458.4926115.1193249.877850.8324248.30863317.105714.0415 232.2353492.5847129.8365261.9302924.4832268.83953813.816798.7876 236.0952517.4442133.2253287.2324953.8372284.53264344.137833.5108 239.2043554.6701141.1777296.92151029.453301.48114892.725879.0517增长率（年百分GDP 增长率（年百分比）增长率（年百分增长率（年百分增长率（年百分增长率（年百分增长率（年百分增长率（年百分.GDP.MKTP.KD..GDP.MKTP.KD.Y.GDP.MKTP.KD..GDP.MKTP.KD.NY.GDP.MKTP.KD.ZG Y.GDP.MKTP.KD.Y.GDP.MKTP.KD..GDP.MKTP.KD.印度尼西亚马来西亚菲律宾新加坡国香港特别行政中国日本大韩民国CHN JPN KOR HKG IDN MYS PHL SGP9.267775027 3.3243419.712889 5.7019278.9277969.545465-0.57833 6.68707614.276464880.81903 5.765237 6.2349847.2205028.8851160.3376037.08760113.937677050.171063 6.329394 6.2011037.2540759.894947 2.11630711.5373913.078070610.8635788.771893 6.0359837.5400679.212043 4.38762310.9254610.99384345 1.9423438.930624 2.373838.3963589.829082 4.6786927.0280469.924722662 2.6100557.185917 4.2584717.64278610.0027 5.8458737.5319349.226887728 1.595629 5.766741 5.099647 4.6998737.322743 5.1853628.2911187.853489523-2.00315-5.7139-5.88264-13.1267-7.35942-0.57672-2.225237.618173474-0.1993410.73059 2.5066720.79113 6.13761 3.081927 6.0952048.429282161 2.2574958.8312787.663486 4.9200658.858868 4.4112138.8975448.298374410.355462 4.5253190.560803 3.6434660.517675 2.893992-0.952299.0909090910.2895487.432434 1.656655 4.499475 5.390988 3.645898 4.21168710.01997337 1.685112 2.933207 3.056328 4.780369 5.788499 4.970364 4.43532810.07564297 2.36073 4.8998528.700095 5.030874 6.783438 6.6976369.54917511.35239142 1.302728 3.9236877.388143 5.692571 5.332139 4.7776637.48915712.6882251 1.692904 5.1761347.032583 5.500952 5.584847 5.2429538.86019614.19496167 2.192186 5.463406 6.464749 6.345022 6.298786 6.6166699.1115279.623377486-1.04164 2.829214 2.127864 6.013704 4.83177 4.152757 1.787629.233551095-5.526980.707518-2.45911 4.628871-1.51369 1.14833-0.6033910.63170823 4.65203 6.496785 6.767611 6.2238547.425977.63226415.240389.484506202-0.45272 3.681705 4.814676 6.169784 5.187251 3.659755 6.2074497.750297593 1.75369 2.292382 1.700303 6.030051 5.644607 6.801331 3.4143617.68380997 1.613367 2.896 3.072174 5.579211 4.733927.181122 4.4432147.351000022-0.10448 3.310148 2.501239 5.024665 6.032905 6.095872 2.918389增长率（年百分增长率（年百分比增长率（年百分增长率（年百分增长率（年百分增长率（年百分增长率（年百分增长率（年百分.GDP.MKTP.KD.NY.GDP.MKTP.KD.ZGY.GDP.MKTP.KD..GDP.MKTP.KD.Y.GDP.MKTP.KD..GDP.MKTP.KD.Y.GDP.MKTP.KD.Y.GDP.MKTP.KD.土库曼斯坦乌兹别克斯坦塔吉克斯坦泰国俄罗斯联邦蒙古哈萨克斯坦吉尔吉斯斯坦THA RUS MNG KAZ KGZ TKM UZB TJK8.558261-5.04694-8.69354-11-7.85107-4.60526-0.492-7.18.083393-14.5311-9.25647-5.3-13.8887-14.966-11.2-298.251038-8.66854-3.16879-9.2-15.4593 1.5-2.3-16.48.987182-12.5698 2.134383-12.6-20.0852-17.2999-5.2-21.39.237488-4.14353 6.376427-8.2-5.42382-7.20004-0.9-12.45.901348-3.6 2.2350940.57.0845026.699993 1.7-16.7-1.37138 1.4 3.896714 1.79.915168-11.4 5.2 1.7-10.51-5.3 3.339937-1.9 2.1218357.1 4.3 5.34.447634 6.4 3.070369 2.7 3.65578916.5 4.3 3.74.7500710 1.1460629.85.426674 5.469064 3.88.2999985452.167264 5.091984 2.95271113.5 5.3215844.343846 4.210.25.317574 4.74367 4.7329789.8-0.017350.25718410.87.1399757.2958547.0046359.37.030296 3.268829 4.2116.3440737.17594910.625419.67.02686 5.0004077.710.34.604699 6.3761877.2536659.7-0.1755513.040367 6.75.0928998.1534328.55623510.7 3.10289910.96717.375.0443168.5350810.248028.98.54287511.05939.57.82.4843 5.2479548.9003683.38.40161614.695869.4192317.9-2.32985-7.82089-1.2686 1.2 2.886295 6.1034548.1 3.87.810512 4.503726 6.3651627.3-0.471579.1978058.5 6.50.077087 4.26417717.290787.5 5.95627414.699358.37.46.490572 3.40554712.319825-0.0881511.101848.27.52.890758 1.34079811.64458610.9154710.2000187.40.7108230.6404867.823899 4.3 3.60303610.299988.1 6.699250546数衡量的通货膨数衡量的通货膨按 GDP 平减指数衡量的通货膨胀（年通胀率）数衡量的通货膨数衡量的通货膨数衡量的通货膨Y.GDP.DEFL.KD..GDP.DEFL.KD..GDP.DEFL.KD..GDP.DEFL.KD.NY.GDP.DEFL.KD.ZG Y.GDP.DEFL.KD.印度尼西亚马来西亚中国日本大韩民国国香港特别行政CHN JPN KOR HKG IDN MYS6.733073096 2.60573510.218749.1404428.82773 3.5848048.180582852 1.5881747.8533439.8993 5.364316 2.41568215.185334270.437404 6.4335588.6130058.880105 3.98567420.635716020.1150417.694299 6.3213177.776378 3.93793713.65126124-0.725317.456484 4.1395049.703277 3.6329576.511529251-0.5569 4.97887 5.8836798.853591 3.6803691.6031788480.595059 3.851833 5.76031612.571313.482349-0.914918231-0.05447 4.95277 1.21987675.271288.499103-1.272669795-1.2737-1.04279-4.0956514.161190.0447692.031318967-1.24760.951411-3.3942620.447468.8552732.049202987-1.197873.650418-1.7739614.29572-1.58160.587737054-1.55027 3.060508-3.401855.896052 3.1288832.582682808-1.714763.395086-6.007745.487427 3.2989336.911746295-1.35247 2.98408-3.590888.550733 6.0095063.876004858-1.25115 1.031562-0.1500514.331788.8623573.901956253-1.12143-0.13982-0.5347814.08742 3.9805837.831946973-0.93074 2.397222 3.13751411.25858 4.8815177.807641539-1.2652 2.956672 1.28153418.1497510.38935-0.106916472-0.50028 3.542289-0.375448.274752-5.99236.937555547-2.16442 3.1614520.27071215.26429 4.1177488.139212745-1.85125 1.584588 3.8979037.465943 5.5627052.392151483-0.93118 1.043513.5448123.7538790.7094982.234965477-0.548430.853542 1.858365 4.708940.0194460.826731169 1.6417850.563114 2.8958755.391918 2.269445数衡量的通货膨数衡量的通货膨数衡量的通货膨数衡量的通货膨数衡量的通货膨数衡量的通货膨数衡量的通货膨数衡量的通货膨数衡量的通货膨.GDP.DEFL.KD..GDP.DEFL.KD..GDP.DEFL.KD..GDP.DEFL.KD.Y.GDP.DEFL.KD.Y.GDP.DEFL.KD.Y.GDP.DEFL.KD.Y.GDP.DEFL.KD..GDP.DEFL.KD.土库曼斯坦乌兹别克斯坦菲律宾新加坡泰国俄罗斯联邦蒙古哈萨克斯坦吉尔吉斯斯坦PHL SGP THA RUS MNG KAZ KGZ TKM UZB16.52688 4.433431 5.746524128.629893.3199596.3565134.7495102.758690.727287.9326580.996002 4.4904491490.418173.69071472.216830.159********.14936.832158 3.402314 3.286946887.8407318.89721243.462754.4281133.991078.8839.991315 3.67348 5.207853307.298164.319391546.727180.8749952.30711238.5957.55087 3.289435 5.589743144.003160.27243160.888742.03109705.7185370.9447.661038 1.471407 4.01028945.801910.8075738.8996335.342911014.25681.555256.224392 1.035427 4.0635815.0591621.6721316.1357319.3096461.7470966.0870722.38172-1.357349.23761518.53869-1.9318 5.6628459.07750617.6295138.997966.585053-3.89884-4.0382272.3867810.8817613.2801437.574523.0114444.115365.7098 3.739203 1.34616137.698111.9996917.426427.1822223.4583947.340795.549478-2.24282 2.06947216.4895310.4485410.156437.33235532.3148645.189654.16223-1.248750.81685815.492956.369687 5.803224 2.02544425.153145.449373.201336-1.70764 1.32797713.7800610.2365711.73852 3.97497427.1543326.723415.516871 4.249903 3.12588520.2820816.6914716.13163 5.10842618.3477615.720535.828021 2.226169 4.48707819.3060920.0984417.874837.1286227.02679121.374134.949031 1.7199845.24289615.1700521.9867721.551719.39161812.2600521.500253.090324 5.860994 3.45281113.8044211.6285715.527114.876559.25952324.01337.54906-1.49161 3.93130317.9597121.4487520.9365422.2159959.7461519.432862.7732473.521019 1.946645 1.993723 1.8267044.691085 4.0353049.75744320.775754.222389-0.04599 3.66319214.1870439.1781919.5422910.03390.33707319.551614.02172 1.163064 4.22762815.9144515.1192617.5689322.4818415.0751415.072661.916439 1.159542 1.3461937.43569912.78438 4.8236668.6563178.26829214.974231.960079-0.06115 1.662031 5.0467482.6099949.6599083.175188 5.83732213.905283.1170720.218746 1.3168947.194189 5.969185 3.3732337.92752 5.95662512.62825数衡量的通货膨胀（年通胀率）Y.GDP.DEFL.KD.ZG塔吉克斯坦TJK99.69848573.79521207.211221.0476346.0004430.552865.2306687.8276526.5072422.6678630.2081718.8184626.9911117.518529.51572721.0635227.2370128.1637612.2342512.4616713.3243611.868524.3469795.463743。