wto数据官网

一、wto数据官网

1、本网站主要是世贸组织的标准数据库信息，涵盖世界贸易组织成员国之间贸易的各类数据查询。

2、世界贸易组织（WTO）是处理国家间贸易规则的唯一全球性国际组织。它的核心是世贸组织协议，由世界上大多数贸易国谈判签署，并在其议会批准。目标是帮助商品和服务的生产者、出口商和进口商开展业务。

二、wto官网怎么查询数据

1.访问世界贸易组织（WTO）的官方网站。

2.在网站的主页上，寻找顶部的菜单栏，点击“数据库”或“数据”选项。

3.进入后，根据查询需求选择合适的数据库。这些数据库可能包括贸易统计、关税率、贸易政策等。

4.在选定的数据库内，利用关键词、选择特定日期范围或筛选特定国家/地区来精确定位数据。

5.查询结果页面将显示相关的数据报告、分析报告或数据表格，用户可以选择下载或直接在线查看。

1.启动搜索过程首先，通过网络搜索引擎找到世界贸易组织（WTO）的官方网站链接。

2.定位数据入口在WTO官网的主页上，通常顶部菜单栏会有指向数据资源的选项，如“数据库”或“数据资源”。

3.挑选目标数据库根据查询目的，挑选与所需数据类型相匹配的数据库。WTO官网提供了多种数据选项。

4.实施数据查询在打开的数据库内，使用关键词搜索、设定日期范围或筛选特定国家/地区来收集所需数据。

5.获取数据结果查询结果页面会展示找到的数据报告、分析报告或数据表格，用户可以按需下载或在线浏览这些资料。

通过以上步骤，用户可以便捷地在WTO官网上找到并获取所需的数据信息。官网界面设计直观易用，即便是初次访问的用户也能快速掌握操作方法。如需进一步帮助，建议直接访问WTO官网查找相关信息。

三、wto数据库如何查数据

联合国商品贸易统计数据库（缩写UN Comtrade）由联合国统计署创建，是目前全球最大、最权威的国际商品贸易数据型资源库，每年超过200个国家和地区向联合国统计署提供其官方年度商品贸易数据，涵盖全球99%的商品交易，真实反映国际商品流动趋势。这是我们研究全球贸易活动最基础、最权威的数据库。下载页面如下：

但是每次都要手动操作一遍，就比较麻烦。不过UN Comtrade提供了可以更方便获得数据的接口，我们来尝试一下。接口的实现原理，大概相当于：我们把要查询的数据，编成一条信息，发给UN Comtrade，然后UN Comtrade返回一个包含数据的文件，我们再解码成我们想要的格式。

我们先去UN Comtrade的接口网页，来看一看接口格式。

上图就是UN Comtrade的接口中，所包含的参数及格式。具体为：

r：reporting area报告数据的国家，默认值0

px：classification商品代码体系，商品进出口的默认值是HS（即Harmonized System），也可以选ST（即Standard International Trade Classification），服务进出口的默认值是EB02

ps：time period时间区间，格式为YYYYYYYYMMnowrecent等几种格式，取决于周期是月还是年。now是获得最近1期数据（默认值），recent是获得最近5期数据

p：partner area发生贸易往来的经济体，默认值all

rg：trade regime/ trade flow贸易的方向，1代表进口，2代表出口，默认值all

cc：classification code商品分类代码，TOTAL代表全部，AG2代表两位代码（默认值）等

max：maximum records returned一次性返回的最大数据条数，默认值是500，普通访客最高是10万，认证用户最高是25万

type：trade data type贸易类型，C是商品（默认值），S是服务

freq：data set frequency数据频率，A是年（默认值），M是月

head：heading style数据抬头格式，H适合人阅读（默认值），M适合机器阅读

最近铁矿石价格高涨，引发市场关注，而中国铁矿石的主要进口来源地是澳大利亚，我们就来看看，过去5年中国自澳大利亚进口铁矿石的数据。

我们把相关参数录入后，点击左下角的Try it out!就会返回给我们一个地址，这个地址就是向UN Comtrade发送数据请求的信息。同样，我们可以基于这条信息的格式，来设计我们的Python接口函数。

我们把这条消息输入浏览器的地址栏，就可以看到返回的数据如下，里面的TradeValue就是我们想要的数据了：

UN Comtrade的接口以json格式交换数据，我们来看一看返回的数据格式。我们要用到Python的requests库。

import requests test= requests.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()

我们来看一下返回内容，json有点类似于双重字典，从下文可以看到，返回结果主要包括两大类，第一大类是validation，主要是过程信息，第二大类是dataset，主要是我们需要的数据。

{'validation':{'status':{'name':'Ok','value': 0,'category': 0,'description':'','helpUrl':'For more reference visit ;},'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},

我们选择我们关心的数据，用关键字提取出来，然后转换成DataFrame格式，就可以方便的查看数据了：

import pandas as pd import cufflinks as cf pd.DataFrame(test.json()['dataset'])[['yr','TradeValue']].iplot(x='yr',y='TradeValue',kind='bar',title='中国过去5年自澳大利亚进口铁矿石金额')

我们把上文中的读取和解析数据的过程，简单封装成一个函数，以方便后续调用，比如我们想查看中国历年自澳大利亚进口铁矿石的金额，可以用如下命令：

import requests import pandas as pd import cufflinks as cf def comtrade_data(**params): r= requests.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='中国自澳大利亚进口铁矿石金额')

我们想看看中国的大豆自各国进口的情况，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年中国大豆进口额')

从上图可以看到，2019年中国自巴西的大豆进口，明显高于美国，那么这种情况，是否是受到中美贸易摩擦的影响呢？我们用如下命令，就可以很清晰的看到，2018年之前，中国自美国和巴西进口大豆的金额比较接近，但是2018年之后，中国自美进口大豆锐减，并从巴西替代，这也是中美贸易摩擦对美国影响的一个案例。

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='中国自美国和巴西进口大豆金额',legend={'orientation':'h','x':0.1,'y':-0.1})

1、如果是访客用户的话，ps、r、p三个参数最多只能填5个代码，最多只有一个参数可以使用all，cc最多可以填20个代码，可以使用all

2、查询国家的时候，只能录入国家编号，查询国家对应编号的地址是

3、查询对手方国家的时候，只能录入国家编号，查询对手方国家对应编号的地址是

4、查询相关商品对应的HS编码，地址是