先看结果。

217个经济体、22项指标、1960到2024年、202,708条观测记录，最终产出一份带15张图表的Word报告。数据校验对上了世界银行官方口径：2024年全球GDP合计110.62万亿美元、中国18.73万亿、美国29.30万亿。

这篇文章记录整个数据工程过程，重点讲抓取和清洗环节踩过的坑。工具用的是AiPy Pro（知道创宇推出的AI智能体），它能实际执行代码任务，不是只给建议。

一、数据源与接口

世界银行公开数据API：api.worldbank.org/v2，无需鉴权，支持按国家、指标、年份维度查询。

核心接口有两个：

• /country：获取国家元数据（含地区、收入分组、经纬度）
• /country/all/indicator/{指标码}：获取某指标的全部国家数据

指标码采用世界银行标准编码，如NY.GDP.MKTP.CD（GDP现价美元）、SP.POP.TOTL（总人口）。本文共抓取22个指标。

二、第一个坑：国家代码字段

这是整个项目最关键的一个坑。

API返回的记录里，country对象长这样：

"country": { "id": "ZH", "value": "Africa Eastern and Southern" },
"countryiso3code": "AFE",

注意：country.id 是两位内部码（ZH、ZI、1A这种），不是标准ISO3。真正的三位码在 countryiso3code 字段里。

我第一次抓取用了country.id，想跟国家列表的ISO3匹配，结果交集为0，20多万条数据全部匹配失败。诊断后发现字段用错了，改用countryiso3code重新抓取，一次到位。

做世界银行数据的一定要记住这个字段差异。

三、第二个坑：聚合体混入

/country 接口返回296条记录，但其中79条是区域或收入组聚合体，比如：

• AFE：Africa Eastern and Southern
• ARB：Arab World
• AFR：Africa（整体）

这些聚合体的数据是成员国之和，如果混进国家列表，会导致全球合计重复计算。过滤方法：只保留ISO3三位码且region不为"Aggregates"的记录，最终得到217个真实经济体。

四、清洗流程

抓取完成后执行五步清洗：

• 国家代码标准化：统一ISO3三位码
• 剔除聚合体：过滤区域/收入组汇总
• 去重：按国家+年份+指标三元组
• 异常值标记：通胀类指标按0.1%和99.9%分位数标记极端值
• 单位统一：美元/百分比/人

关于异常值：CPI通胀和GDP平减指数里存在恶性通胀记录，直接算均值会严重失真。标记了42条极端值，分析时单独处理。

五、数据校验

清洗后必须校验。用三个锚点数字对官方口径：

2024年全球GDP合计110.62万亿美元（世界银行口径约110万亿）；中国18.73万亿（官方约18.7万亿）；美国29.30万亿（官方约29万亿）。

三个数字全部对上，数据可靠性确认。

六、数据结构

最终输出两种结构：长表（country_code, country_name, year, value, indicator_code, indicator_name）202,708行；宽表（国家×年份，每指标一列）14,105行×27列。

宽表更适合分析，长表更适合存储。

七、后续分析

数据干净之后，分析就顺了。算了几个关键指标：全球GDP 1960到2024年增长86.6倍；美国份额42.45%→26.49%，中国4.69%→16.93%；G7 66.4%→44.9%，金砖7.5%→24.6%；高收入与低收入国家人均GDP差距9.7倍→65倍。

然后生成15张图表，组装成Word报告。

附：我用的完整提示词

没有额外说明，没有参数配置，剩下的AiPy自己搞定。

拉取世界银行60年数据，制作一份跨国经济报告，要求数据抓取到位、分析到位、逻辑严谨，最终输出一份包含大量图表的 Word 报告。

执行要求：
1. 明确报告范围与指标：从世界银行公开数据源（World Bank Open Data / World Bank API）拉取近60年（约1960年代至今）的跨国经济数据。需要覆盖的国家范围、核心经济指标（如GDP、GDP增长率、人均GDP、通胀、人口、贸易、失业率等）以及报告主题重点，若用户未指定则按合理默认执行：____（请补充：目标国家/地区范围）；____（请补充：核心经济指标清单）；____（请补充：报告主题与重点分析方向）。
2. 数据抓取：使用可用的数据获取能力（如通过 Trustoken-search 检索世界银行数据接口信息，或使用 aipy_builtin 执行 Python 代码调用世界银行 API / 下载数据集），确保数据来源真实、字段完整、时间跨度覆盖约60年。抓取后需做数据清洗与校验（缺失值、异常值、单位统一、国家代码标准化），并保存为本地数据文件（如 CSV/Excel）。
3. 数据分析：基于清洗后的数据开展跨国对比分析，包括但不限于趋势分析、国家间横向对比、分组/聚类、相关性分析、关键转折点识别等，确保分析逻辑严谨、结论有数据支撑。
4. 图表制作：生成尽可能丰富的可视化图表（折线图、柱状图、散点图、热力图、地图、堆叠图、箱线图等），覆盖时间趋势、国家对比、指标关系等维度，图表需有清晰标题、坐标轴、图例与数据来源标注。
5. 报告输出：将分析结论与图表整合为一份结构完整的 Word 报告（.docx），包含封面/标题、摘要、数据来源与方法说明、分章节分析、图表、结论与局限说明。报告文件需保存到本地并给出绝对路径。
6. 验证方式：确认数据文件已成功生成且记录数/时间跨度符合预期；确认 Word 报告可正常打开、图表已正确嵌入、章节逻辑完整；对关键结论做交叉核对。
7. 交付物：世界银行原始/清洗后数据文件、分析脚本、图表文件（如单独保存）、最终 Word 报告。