简介这份2024年新型煤化工行业分析报告PPT面向能源化工从业者、行业研究员及投资分析人员系统梳理新型煤化工的发展现状与未来走向。内容涵盖高效催化剂与低能耗工艺带来的转化率提升、智能化控制与环保技术进展并借助PESTEL框架解析政策法规环境同时对比北美、亚洲、欧洲三大区域市场差异预测技术突破、多元化应用、产业升级与智能化转型四大趋势还涉及清洁能源与精细化工原料的需求变化及企业竞争格局。资源包共1个pptx文件约8.13MB结构完整、图文并茂可直接用于行业汇报或研究参考。目前已有88人学习下载适合需要快速掌握煤化工行业全貌、提炼关键数据与趋势判断的读者。1. 一份 PPT 型行业报告怎么拆成能复用的数据底稿手里拿到「2024年新型煤化工行业分析报告.pptx」这种文件第一反应往往不是打开看而是发愁里面的产能数据、项目清单、政策节点怎么变成自己能算、能画、能二次分析的底稿这份报告本质是一份行业分析报告载体是 PPT内容大概率覆盖煤制油、煤制气、煤制烯烃、煤制乙二醇几条主线外加产能、开工率、拟在建项目和政策约束。它解决的是「快速建立行业认知框架」的问题适合做投资初筛、供应链调研、课题开题的人。但 PPT 天然不适合做数据源——图表是图片、数字散在文本框、口径不统一。所以真正要干的活是把这份新型煤化工行业分析报告从「给人看的幻灯片」翻译成「给机器算的结构化表」。下面按我实际处理这类文件的顺序讲从拆页、抽数、校验到复现图表每一步都给出可抄的命令和参数。2. 先搞清楚 PPT 里到底有什么页面类型与数据形态盘点动手抽数之前必须先给每一页分类否则后面脚本会到处翻车。我一般先用 python-pptx 把整份文件扫一遍输出每页的形状类型和文本量形成一张「页面地图」。这一步不抽具体数值只做体检。2.1 用 python-pptx 扫描页面结构from pptx import Presentation from pptx.util import Emu prs Presentation(2024年新型煤化工行业分析报告.pptx) for idx, slide in enumerate(prs.slides, start1): shapes list(slide.shapes) text_len 0 pic_cnt 0 table_cnt 0 chart_cnt 0 for sh in shapes: # 统计文本量判断这页是文字页还是图表页 if sh.has_text_frame: text_len len(sh.text_frame.text) if sh.shape_type 13: # PICTURE pic_cnt 1 if sh.has_table: table_cnt 1 if sh.has_chart: chart_cnt 1 print(fP{idx:02d} shapes{len(shapes)} text{text_len} fpic{pic_cnt} table{table_cnt} chart{chart_cnt})逻辑说明shape_type 13是 python-pptx 里图片的枚举值has_table/has_chart是判断原生表格和原生图表。跑完你会得到类似P07 shapes9 text412 pic3 table0 chart0的输出。参数说明如果输出里pic多而text少说明这页是截图型图表数值只能靠 OCR 或人工录入如果table或chart大于 0恭喜这页可以程序化直取优先处理。我一般会把text300 且 pic0的页标为「文字页」chart0标为「原生图表页」pic0 且 text100标为「图片页」。三类页的处理成本差一个数量级先分类再排期能省掉大量返工。2.2 三类页面的处理优先级与口径对齐分类完就要定口径。新型煤化工报告里最常见的口径冲突有三个产能单位混用万吨/年与亿立方米/年、统计时点混用年底与年中、项目状态混用「拟建/在建/建成」。我的做法是先建一张口径字典再决定每页归到哪张表。页面类型典型内容抽取方式优先级原生图表页产能趋势柱状图chart.plots 直读高原生表格页项目清单table.rows 遍历高文字页政策要点、结论正则抽数字人工核中图片页产业链示意图OCR 或人工录入低提示口径字典一定要在抽数之前定死否则后面合并表格时会出现「同一个项目两条记录、产能翻倍」的经典事故。这一步做完你手里应该有一张页面清单标明每页类型、预计抽取方式和负责人。别急着写抽取脚本先把这张清单过一遍比后面debug省事得多。3. 把图表和表格抽成结构化数据脚本与参数页面地图有了接下来是真正抽数。原生图表和原生表格是性价比最高的目标优先啃。图片页留到最后能人工就人工别为了全自动把工期拖爆。3.1 直读原生图表chart.plots 遍历与系列还原from pptx import Presentation prs Presentation(2024年新型煤化工行业分析报告.pptx) def dump_chart(chart, page_no): rows [] for plot in chart.plots: cats list(plot.categories) # X 轴分类通常是年份或省份 for series in plot.series: name series.name # 系列名如煤制油产能 for cat, val in zip(cats, series.values): rows.append({ page: page_no, series: name, category: cat, value: val }) return rows all_rows [] for idx, slide in enumerate(prs.slides, start1): for sh in slide.shapes: if sh.has_chart: all_rows.extend(dump_chart(sh.chart, idx)) print(f共抽取 {len(all_rows)} 条图表数据点)逻辑说明plot.categories拿分类轴series.values拿数值series.name是图例名。三者 zip 起来就是长表结构方便后续透视。参数说明series.values遇到空值会返回None入库前要过滤或填默认值如果图表是堆积柱状图series.values拿到的是各段数值而非累计值别直接当总量用。我一般会在抽取后加一句all_rows [r for r in all_rows if r[value] is not None]清掉空点。3.2 遍历原生表格table.rows 与合并单元格处理def dump_table(table, page_no): rows [] for r_i, row in enumerate(table.rows): cells [] for c_i, cell in enumerate(row.cells): cells.append(cell.text.strip()) rows.append({page: page_no, row: r_i, cells: cells}) return rows table_rows [] for idx, slide in enumerate(prs.slides, start1): for sh in slide.shapes: if sh.has_table: table_rows.extend(dump_table(sh.table, idx))逻辑说明python-pptx 的row.cells会把合并单元格在每个位置重复返回同一文本所以抽出来会看到重复值需要后处理去重。参数说明判断表头行一般看第一行是否含「项目/名称/产能」等关键词如果表格跨页page字段能帮你还原顺序。合并单元格去重的常见做法是同一行内相邻且相同的 cell 只保留第一个其余置空。3.3 图片页的兜底OCR 与人工录入的取舍图片页别硬刚。我的经验是如果一份报告里图片页超过 15 页OCR 的校对成本会超过人工录入。OCR 只适合数字清晰、背景干净的柱状图截图用 pytesseract 加--psm 6参数按块识别识别完必须人工抽检 20%。产业链示意图这种直接人工画成节点表更快。这一步没有万能脚本承认它、给它留工时比追求全自动靠谱。4. 数据清洗与口径统一让不同页的数字能相加抽出来的原始数据是一盘散沙单位不同、时点不同、项目名有别名。这一章干的就是把沙子烧成砖。核心动作三个单位归一、时点对齐、实体消歧。4.1 单位归一万吨/年与亿立方米/年的换算表新型煤化工里煤制油、煤制烯烃用万吨/年煤制气用亿立方米/年直接相加就是错的。我一般建一张换算表按品类分别处理。品类原始单位统一单位换算系数煤制油万吨/年万吨/年1煤制烯烃万吨/年万吨/年1煤制乙二醇万吨/年万吨/年1煤制气亿立方米/年万吨/年约 1.1按热值折算注意折算系数跟煤种、热值口径有关报告里如果给了系数就用报告的没给就在表里标注「估算」别假装精确。4.2 时点对齐与实体消歧时点对齐报告里可能混用「截至2024年底」和「2024年中」统一到年底口径年中数据要么标注、要么按增速外推。实体消歧同一个项目在不同页可能写成「XX煤制油一期」和「XX煤制油项目」用项目名做模糊匹配difflib 的 SequenceMatcher阈值设 0.85匹配上的合并匹配不上的进人工复核队列。from difflib import SequenceMatcher def similar(a, b): return SequenceMatcher(None, a, b).ratio() names [XX煤制油一期, XX煤制油项目, YY煤制气] for i in range(len(names)): for j in range(i1, len(names)): if similar(names[i], names[j]) 0.85: print(f疑似同一实体: {names[i]} - {names[j]})逻辑说明SequenceMatcher算字符相似度0.85 是我踩坑后定的阈值低于它误合并明显增多。参数说明阈值不是固定的项目名普遍较长时可降到 0.8短名多时提到 0.9。合并前一定人工过一遍别全自动。5. 避坑与排查处理这类报告最容易翻车的 5 个点这一章是我血泪经验最集中的地方每条都按「现象 → 原因 → 解决」写照着排查能省掉大半天。现象一图表抽出来数值全是 None。原因图表是嵌入的 Excel 对象或图片不是原生 chart。解决先跑第 2 章的扫描脚本确认chart计数为 0 就走 OCR 或人工别在 python-pptx 上死磕。现象二表格抽出来每行都有重复值。原因合并单元格被 python-pptx 在每个位置重复返回。解决同一行内相邻相同 cell 只留第一个其余置空再按列语义还原。现象三不同页的产能加起来对不上报告结论。原因口径不同单位或时点没对齐。解决回到第 4 章的单位表和时点对齐先统一再相加别信「看起来差不多」。现象四项目名匹配把两个不同项目合并了。原因相似度阈值太低或项目名本身太短。解决提高阈值到 0.9短名强制人工复核宁可漏合并不可错合并。现象五OCR 出来的数字 0 和 8、1 和 7 混淆。原因截图分辨率低或字体特殊。解决OCR 前先放大 2 倍、转灰度、二值化识别后对数字列做「与相邻页趋势对比」的合理性校验突变点人工核。6. 从底稿到可复现图表用清洗后的数据重画关键图数据底稿干净了最后一步是验证——用你自己的数据重画报告里的关键图对得上说明抽数成功对不上说明还有坑。这一步也是把「别人的报告」变成「自己的分析」的转折点。6.1 用 matplotlib 复现产能趋势图import matplotlib.pyplot as plt import pandas as pd # df 来自第 3、4 章清洗后的长表列year, category, capacity df pd.read_csv(cleaned_capacity.csv) pivot df.pivot_table(indexyear, columnscategory, valuescapacity, aggfuncsum) plt.rcParams[font.sans-serif] [SimHei] # 中文字体Windows 常用 plt.rcParams[axes.unicode_minus] False pivot.plot(kindbar, stackedTrue, figsize(10, 6)) plt.title(新型煤化工分品类产能趋势) plt.ylabel(产能万吨/年) plt.tight_layout() plt.savefig(capacity_trend.png, dpi150)逻辑说明pivot_table把长表转成「年份 × 品类」的宽表stackedTrue画堆积柱状图和报告里常见的呈现方式一致。参数说明font.sans-serif必须设中文字体否则标题变方块dpi150是发布够用的清晰度要印刷提到 300。如果品类多导致图例遮挡把plt.legend移到图外。6.2 验证与迭代对不上时先查什么重画完和原报告对比对不上先查三处一是单位是不是漏了换算二是时点是不是把年中数据当年底三是项目状态是不是把「拟建」也算进了「建成产能」。这三处查完基本能定位 90% 的差异。剩下的 10% 往往是报告本身口径就不一致这时候以报告正文的结论口径为准在底稿里加备注说明。我处理这类报告的习惯是抽数脚本和清洗脚本分开存中间产物落 CSV每一步都能单独重跑。这样下次拿到「2025年新型煤化工行业分析报告.pptx」改个文件名就能复用整条流水线。行业报告年年有把一次性的体力活变成可复用的管线才是这件事真正值得投入的地方。希望帮到你。本文还有配套的精品资源点击获取
