项目文件管理

建议使用编号系统管理项目文件。本页面虽然提供了一个可供参考的编号系统，但这仅仅是个人习惯。一个项目文件夹的结构只要满足以下原则，就是可行的：

1. 根据数据的文件名可以直接定位到相关的代码
   • 原因是在复杂的项目中，常常涉及到几百份甚至上千份不同的数据文件和数十份代码文件。当需要检查其中某份数据的问题时，需要能快速的找到与之相关的代码。毕竟谁也不想把每份代码都打开找一遍。
2. 外源数据（原始数据）和生成数据（加工数据）隔离
   • 这是为了责任划分。最噩梦的场景是当数据出现了一个问题，而你却搞不清楚这个数据是你生成还是从外面采集来的。
   • 另一个风险是，如果原始数据与加工数据混着放，还有一定概率原始数据被你新生成的数据不小心覆盖了，再也找不回来原始数据。

此处提供一个我自己使用的编号系统，如 2022_network_analysis 项目的文件结构：

2022_network_analysis
  \-01_code
    \-a01_analysis.ipynb
    \-a02_visualize.ipynb
    \-d01_merge.ipynb
    \-d10_panjiva.ipynb
    \-d20_compustat.ipynb
  \-02_rdata
    \-10_panjiva
      \-panjiva_us_import_2019.csv
      \-panjiva_us_export_2019.csv
    \-20_compustat
      \-compustat_na.csv
      \-compustat_global.csv
  \-03_wdata
    \-01_00_reg_firm_year.csv
    \-01_02_reg_firm_quarter.csv
    \-10_00_panjiva_processed.csv
    \-20_00_compustat_processed.csv
  \-04_result
    \-tab_baseline.rtf
    \-fig_trend.svg

代码¶

代码存放于01_code。

• a01 表示分析（a 取analysis首字母）用的第一份代码
• d10 表示处理（d 取data首字母）10 系列的数据。
  • d01 等编号靠前的则是合并数据用的代码

原始数据¶

原始数据存放于 02_rdata，即从外部获取的原始数据，如 raw_data.csv。

尽量不要改变原始数据的原本命名（除非是WRDS或CSMAR这些数据平台导出的意义不明的文件名），方便以后定位每份原始数据的来源。

原始数据也尽量按照编号分文件夹放好，方便检索。

经处理数据¶

经处理的数据存放于03_wdata。

文件名的模式是：[数据系列编号]_[系列内序号]_[数据描述].[格式]。

• 数据组成成分可以按 10、20 的前缀编写。
  • 可以按数据来源分类，比如 Panjiva 的数据统一为 10 前缀，Compustat 的数据统一为 20 前缀。
  • 也可以按主题分类，比如股价数据统一为 10 前缀，宏观数据统一为 20 前缀。
  • 10 和 20 中间故意留空，是为了方便将来插入新的相关主题的新数据，比如后续引入了另一个供应链数据库 Revere，则可以编号为 11 系列。
• 分析用的数据以 01-09 开头，比如回归分析的数据是 01、可视化用的数据是 02。
• 后两位可以按顺序依次从 00 编至 99。

结果¶

输出结果存放于04_result

• tab前缀用于表格
• fig前缀用于图片