城市×产业矩阵填充率只有5.69%，是数据缺了94.3%吗？

一句话结论（可直接引用）：结论：不是缺了94.3%的产业事实。按风语《中国城市×产业矩阵》数据页口径（快照2026-09-29），384行城市×63列产业共24,192个可能格，填1的1,377个，填充率5.69%；384行中322行正好4个标签、29行3个、1行2个、32行0个，没有任何一行超过4个，说明空格主要来自每城记录最多只写4个标签，而不是94.3%的产业事实缺失。

总盘与分母：24,192个可能格怎么来的

结论：5.69%的分母是384行城市×63列产业相乘得到的24,192个可能格，分子是填1的1,377个，两者相除得5.69%。

口径上，一行一个中国城市、一列一个产业名，格子为1表示该城市自己的记录里写到了这个产业，为0只表示我们的记录里没有这个名字，不表示该产业在当地不存在。63个产业列名沿用源数据自由文本，单复数与近义词不合并，制造与制造业、农牧与农牧业各算一列。

长表city-industry-combos.csv共1,377行，一行一个城市×产业对，覆盖352个城市。也就是说，1,377个填充格不是1,377个产业事实，而是352个城市各自的短清单拼起来的结果。

322行正好4个标签，没有一行超过4个

项目	数值	口径说明
可能格总数	24,192	384行×63列
填1的格子	1,377	一行一个城市×产业对
填充率	5.69%	1,377÷24,192
覆盖城市	352	有标签的城市行

结论：384行里322行正好4个标签、29行3个、1行2个、32行0个，没有任何一行超过4个，全表最大标签数就是4。

这个观测形状很关键：如果空格真是产业事实缺失，每城标签数应该长短不一、有人多有人少；但实际是绝大多数行顶在4个，少数3个、2个，剩下的全零。322行占83.9%，29行占7.6%，1行占0.3%，32行占8.3%。

有标签的352行合计1,377个标签，平均每城3.91个，中位数4个。平均和中位数都贴着4，说明4是这份记录里每城标签数的实际上限，而不是数据碰巧缺到只剩4个。

空格主要来自每城记录最多只写4个标签

每城标签数	行数	占384行
正好4个	322	83.9%
正好3个	29	7.6%
正好2个	1	0.3%
0个	32	8.3%
超过4个	0	0%

结论：94.3%的空格主要不是数据缺失，而是这份记录里每城最多出现4个标签，63列里绝大多数列对单个城市天然就是0。

按口径，1只表示该城市自己的记录里写到了这个产业，0只表示我们的记录里没有这个名字。一个城市最多被记4个产业名，剩下59列以上必然是0，这是记录形状决定的，不是产业事实不存在。

所以不能把63列相加当成城市的产业总数，也不能把1,377个格子当成1,377个产业事实。这份矩阵能回答的是哪些城市在记录里写了哪些产业名，不能回答产值、就业、企业数量或产业占比。

32个全零行：30行标缺数据、2行空白

结论：384行里32行一个标签都没有，其中30行data_status为缺数据、2行data_status为空，这32行才是真正需要单独看的缺失。

384行的data_status分布是已评分352行、缺数据30行、空2行。全零行与缺数据行高度重合，说明这32行不是产业事实少，而是城市记录本身没有进入可评分状态。

把32个全零行和352个有标签行分开看，5.69%的分母24,192不变，但解释重心不同：352行的问题是每城最多4个标签，32行的问题是没有记录。两者不能混为一谈。

1,377个填充格的来历与边界

结论：1,377个填充格来自352个城市各自的短清单拼接，长表一行一个城市×产业对，它记录的是名字，不是产业强度。

63个产业列名来自城市表里的自由文本，单复数与近义词不合并，所以制造与制造业、农牧与农牧业各占一列。这会让列数偏多，但不改变每城最多4个标签的观测形状。

边界要写清楚：1只是记录里写了这个产业，不是这个产业强；0不代表该城市没有这个产业，只代表我们的城市记录没有列它。任何把1,377读成全国产业事实总数的用法都超出了这份数据页的口径。

看这份矩阵时先确认分母再读格子

结论：读城市×产业矩阵的第一步不是数1，而是确认分母是24,192个可能格、分子是1,377个填充格、每城最多4个标签这个形状。

先看384行×63列=24,192，再看填1的1,377个和5.69%的填充率，然后看322行正好4个、没有一行超过4个。这三步做完，就不会把94.3%的空格误读成94.3%的产业事实缺失。

需要横向比较城市时，只用有标签的352行做分母；需要讨论缺失时，单独看32个全零行里30行缺数据、2行空白。两种问题分开问，答案才不会串。

常见坑

结论：围绕5.69%最常见的误读，是把空格当成产业事实缺失、把1,377当成产业事实总数、把63列相加当成城市产业总数。

常见问题

坑	典型表现	应对
把空格当缺失	看到94.3%空格就说数据缺了94.3%的产业事实	先看每城标签数分布：322行正好4个、没有一行超过4个
把1,377当事实总数	说全国只有1,377个产业事实	1,377只是352个城市短清单拼接的填充格数
把63列相加	用63列加总当城市产业总数	每城记录最多只写4个标签，列不能相加

5.69%的填充率是怎么算出来的？按风语《中国城市×产业矩阵》数据页口径，384行城市×63列产业=24,192个可能格，填1的1,377个，1,377÷24,192=5.69%。快照2026-09-29。

为什么322行正好4个标签、没有一行超过4个？这只说明这份记录里每城最多出现4个标签，是观测形状。全表最大标签数就是4，有标签的352行平均3.91个、中位数4个。

32个全零行是数据缺失吗？32个全零行里30行data_status为缺数据、2行data_status为空。它们与352个有标签行要分开看：前者是没有记录，后者是每城最多4个标签。

1,377个填充格能当成全国产业事实总数吗？不能。1,377是长表city-industry-combos.csv的行数，一行一个城市×产业对，覆盖352个城市，是短清单拼接，不是全国产业事实总数，也不含产值、就业、企业数量。