#!/usr/bin/env python3 # -*- coding: utf-8 -*- """把「2026 浙江省自然科学基金 · 课题组级台账」融合进 《国自然与省部委基金分布_2024-2026_市场容量与目标单位》主报告。 改动： 1) 三、省部委基金：浙江行更新为已到手的 2,669 项清单（14 类）； 2) 三·五 KPI：2,667 → 2,669； 3) 新增「三·六 浙江省自然 2026：课题组级结构」（2,607 个课题组）； 4) 五、六 两节由「单位名单」改为「课题组名单 + 科研销售课题组级现状」； 5) 七、数据缺口与八、结论同步更新（ERP 商机字段覆盖率、PI 匹配率）。 输出新文件（不覆盖原件）：..._v2.html """ import json import re from collections import Counter, defaultdict from datetime import date import openpyxl ROOT = '/Users/liuxinyuan/Desktop/Hermes输出-工作类' SRC = ROOT + '/销售分析/国自然与省部委基金分布_2024-2026_市场容量与目标单位.html' OUT = ROOT + '/销售分析/国自然与省部委基金分布_2024-2026_市场容量与目标单位_v2.html' ERP = '/Users/liuxinyuan/Desktop/hermas输入-工作台数据库/月度销售额数据/销售订单_20260101-1021（含科研课题组名称）.xlsx' DISC = {'A': '数理', 'B': '化学', 'C': '生命科学', 'D': '地球', 'E': '工程与材料', 'F': '信息', 'G': '管理', 'H': '医学'} BIG = {'重大项目', '重点项目', '杰青项目', '联合基金重点项目', '联合基金重大项目', '自主立项重大项目', '杰青项目延续项目', '重大项目延续项目'} MID = {'探索项目', '联合基金探索项目', '地区科学基金项目', '青稞项目', '联合基金青基项目'} LINES = [('PCR/扩增', ['PCR', 'qPCR', '扩增', '引物', '探针', '熔解曲线', '数字PCR']), ('测序/建库', ['测序', '转录组', '基因组', '单细胞', '宏基因组', '表观']), ('核酸提取', ['核酸', 'DNA提取', 'RNA提取', '磁珠', '提取']), ('分子克隆', ['克隆', '载体', '质粒', 'CRISPR', '基因编辑', '连接酶', '感受态']), ('蛋白', ['蛋白', '酶', '抗体', '多肽', '表达纯化']), ('细胞/类器官', ['细胞', '类器官', '干细胞', '培养']), ('冻干/预混', ['冻干', '预混', '保护剂', '稳定剂']), ('mRNA/核酸药', ['mRNA', 'siRNA', '核酸药', '递送', 'LNP', '环状RNA', 'circRNA'])] def esc(s): return str(s or '').replace('&', '&').replace('<', '<').replace('>', '>') def n1(x): return '{:,.0f}'.format(x) # ---------- 1. 省自然 2026 ---------- P = json.load(open(ROOT + '/数据/zjnsf_2026_projects.json', encoding='utf-8')) for p in P: m = re.match(r'[A-Z]+(\d{2})([A-Z])\d+', p['code']) p['disc'] = DISC.get(m.group(2), '?') if m else '?' grp = defaultdict(lambda: {'unit': '', 'pi': '', 'projs': [], 'cats': Counter(), 'discs': Counter(), 'lines': Counter()}) for p in P: g = grp[p['pi'] + '课题组'] g['unit'] = p['unit'] g['pi'] = p['pi'] g['projs'].append(p) g['cats'][p['cat']] += 1 g['discs'][p['disc']] += 1 for name, kws in LINES: if any(w.lower() in p['name'].lower() for w in kws): g['lines'][name] += 1 # ---------- 2. ERP 课题组（商机字段） ---------- wb = openpyxl.load_workbook(ERP, data_only=True) ws = wb['Sheet1'] rows = ws.iter_rows(values_only=True) H = [str(x or '').strip() for x in next(rows)] ix = {h: j for j, h in enumerate(H)} erp = defaultdict(lambda: {'amt': 0.0, 'ords': set(), 'cust': Counter(), 'sp': Counter(), 'sku': Counter()}) tot_amt = 0.0 map_amt = 0.0 for r in rows: amt = float(r[ix['销售数量']] or 0) * float(r[ix['含税单价']] or 0) tot_amt += amt k = str(r[ix['商机(飞书)#']] or '').strip() if not k: continue map_amt += amt x = erp[k] x['amt'] += amt x['ords'].add(str(r[ix['单据编号']] or '')) x['cust'][str(r[ix['客户']] or '')] += 1 x['sp'][str(r[ix['销售员']] or '')] += 1 x['sku'][str(r[ix['货号#']] or '')] += 1 matched = [k for k in grp if k in erp] # ---------- 3. 广东 PI（沿用既有 PI 级文件，作为课题组口径） ---------- PI = json.load(open(ROOT + '/数据/科研经费_课题组PI级.json', encoding='utf-8'))['rows'] gd = [r for r in PI if r['prov'] == '广东'] def tier_of(g): cats = g['cats'] top = 3 if any(c in BIG for c in cats) else (2 if any(c in MID for c in cats) else 1) k = 2 if len(g['lines']) >= 2 else (1 if g['lines'] else 0) own = 1 if (g['pi'] + '课题组') in erp else 0 s = top + k + own return ('A' if s >= 5 else 'B' if s >= 3 else 'C'), s rank = [] for name, g in grp.items(): t, s = tier_of(g) rank.append((t, s, name, g)) rank.sort(key=lambda x: ({'A': 0, 'B': 1, 'C': 2}[x[0]], -x[1], -len(x[3]['projs']))) # ---------- 4. 生成 HTML 片段 ---------- def pill(t): cls = {'A': 'ok', 'B': 'est', 'C': 'gap'}[t] return '%s' % (cls, t) # 三·六 cnt_disc = Counter() for g in grp.values(): cnt_disc[g['discs'].most_common(1)[0][0]] += 1 multi = sum(1 for g in grp.values() if len(g['projs']) > 1) hit = sum(1 for g in grp.values() if g['lines']) sec36 = [] sec36.append('

三·六 2026 浙江省自然：课题组级结构 清单已到手，2,669 项 / 2,607 个课题组

') sec36.append('
') sec36.append('
课题组数
%s
2,669 个项目按申请人归并
' % f'{len(grp):,}') sec36.append('
产品线命中课题组
%d
占 %.1f%%（关键词命中，推断）
' % (hit, hit / len(grp) * 100)) sec36.append('
多项目课题组
%d
同一 PI 获批 ≥2 项
' % multi) sec36.append('
与 ERP 商机重合
%d
已有采购记录的课题组
' % len(matched)) sec36.append('
') sec36.append('') for d, n in cnt_disc.most_common(): mean = {'工程与材料': '材料/化工，分子生物学需求集中在少数交叉课题', '医学': '临床与基础医学，WB/RT-qPCR 主战场', '信息': '生物信息/影像，试剂需求低', '生命科学': '生物学核心，转化率最高', '化学': '化学生物学交叉，提取/克隆有需求', '数理': '需求弱', '地球': '需求弱'}.get(d, '') sec36.append('' % (d, n, n / len(grp) * 100, mean)) sec36.append('
学部（按课题组主项目）课题组数占比含义
%s%d%.1f%%%s
') sec36.append('
口径：课题组名 = 申请人 + “课题组”（与 ERP「商机(飞书)#」命名一致）；清单无经费金额字段，本节只用项目数与类别，不做金额推算。产品线为项目名称关键词命中，属推断，可逐条回溯。
') sec36 = '\n'.join(sec36) # 五：科研销售现状（课题组级） top_erp = sorted(erp.items(), key=lambda kv: -kv[1]['amt'])[:20] sec5 = [] sec5.append('

五、科研销售现状：课题组级 ERP「商机(飞书)#」= 课题组/项目，不再按院校汇总

') sec5.append('
') sec5.append('
挂课题组的订单行
3,112
占全量 26,427 行的 11.8%
') sec5.append('
课题组 / 项目数
%d
其中以“XX课题组”命名 689 个
' % len(erp)) sec5.append('
可归集金额
%.0f 万
占 2026 年总额 %.1f%%
' % (map_amt / 10000, map_amt / tot_amt * 100)) sec5.append('
未挂课题组金额
%.0f 万
只能落到客户（院校）级
' % ((tot_amt - map_amt) / 10000)) sec5.append('
') sec5.append('') for k, v in top_erp: sec5.append('' % ( esc(k), esc(v['cust'].most_common(1)[0][0]), esc(v['sp'].most_common(1)[0][0]), n1(v['amt']), len(v['ords']), esc('、'.join(s for s, _ in v['sku'].most_common(3))))) sec5.append('
课题组 / 项目客户销售员金额(元)单数主销货号
%s%s%s%s%d%s
') sec5.append('

为什么课题组级统计只覆盖 7.3% 的金额

' '

ERP 的「商机(飞书)#」字段不是必填：26,427 行里 3,112 行有值（11.8%），金额覆盖 7.3%。' '凡未填商机的订单，只能归到客户（院校）级——这正是过去“统计到院校大名称”的根因，不是分析方法问题，是源字段缺失。' '要让课题组级统计完整，必须在下单环节把商机设为必填，并对历史订单做一次回填。

') sec5 = '\n'.join(sec5) # 六：目标课题组名单（浙江 A 级 Top 40 + 广东 Top 15） sec6 = [] sec6.append('

六、目标课题组名单 浙江来自 2026 省自然清单；广东来自既有 PI 级底表

') sec6.append('

6.1 浙江：A 级课题组全量（共 21 个；项目量级 + 产品线契合 + 已有采购）

') sec6.append('') a_list = [x for x in rank if x[0] == 'A'] for t, s, name, g in a_list: e = erp.get(name) top_cat = g['cats'].most_common(1)[0][0] sec6.append('' % ( esc(name), esc(g['pi']), esc(g['unit']), len(g['projs']), esc(top_cat), esc(g['discs'].most_common(1)[0][0]), esc('、'.join(g['lines']) or '—'), n1(e['amt']) if e else '0', esc(e['sp'].most_common(1)[0][0]) if e else '—', pill(t))) sec6.append('
课题组PI依托单位项目最高类别学部可切入产品线我方采购(元)销售员级
%s%s%s%d%s%s%s%s%s%s
') sec6.append('
A 级判定：最高类别为重大/重点/杰青（3 分）或中期类别 + 产品线双命中（2+2+1）；已有采购 +1 分。A ≥5 分、B 3–4 分、C ≤2 分。完整 2,607 个课题组见附件台账。
') sec6.append('

6.2 广东：可及经费 Top 15 课题组（既有 PI 级底表，金额为估算）

') sec6.append('') for r in sorted(gd, key=lambda x: -x['addr'])[:15]: sec6.append('' % ( esc(r['pi']), esc(r['unit']), esc(r['cats']), r['addr'], esc(r['main']), esc(r['topic']))) sec6.append('
PI依托单位项目类别可及金额(万)主产品线研究方向
%s%s%s%.1f%s%s
') sec6.append('
广东课题组金额为既有底表估算值（按项目类别定额），与浙江“不推算金额”的口径不同，二者不可直接相加。
') sec6 = '\n'.join(sec6) # 七：缺口 sec7 = '''

七、数据缺口与测算方法（必须写清）

测算方法

  • 国自然：2026 预算 418.6 亿（官方）为基数。
  • 省部委：以广东 4.2 亿、浙江 5.2 亿、福建 2.32 亿三个已核样本外推 → 150–250 亿。
  • 非双一流+医院份额：按“前 100 单位占 82.4%”与省级样本反推，取 30%（25–35%）。
  • 试剂耗材占科研经费：取 20%（15–25%）。
  • 两省可及市场 ≈ 3.0–4.0 亿/年；浙江 2026 省自然清单已拿到全量（2,669 项），项目数可核，金额仍为定额测算。

还缺什么（直接影响课题组级统计）

  • ERP 商机字段覆盖率仅 11.8%（3,112 / 26,427 行）、金额覆盖 7.3%——这是课题组级统计最大的硬缺口，需下单必填 + 历史回填。
  • 省自然 PI 与 ERP 课题组名重合仅 36 个（2,607 个课题组中 1.4%）：飞书商机命名不统一（有的写“XX课题组”，有的写项目名）。
  • 省自然清单无经费金额：只能按类别定额，不能逐项核。
  • 广东 2026 省自然清单未重新解析：现用的 PI 底表为旧口径，金额为估算。
  • 国自然单位级/PI 级立项名单未公开：国家层面只公布总量，无法做国自然 × 课题组级交叉。
  • 产品线权重（30/20/15/5/10/20）：经验值，未用客户实际采购结构校准。
''' # 八：结论 sec8 = '''

八、结论与下一步

四条结论

  • 盘子足够大：两省可及 3–4 亿/年，300 万只是 1% 份额。
  • 浙江的结构看清了：2,669 项落在 2,607 个课题组，其中 516 个产品线可命中、51 个课题组手握 2 项以上——这是可以逐个报名字的名单。
  • 课题组级销售统计目前只能覆盖 7.3%：不是方法问题，是 ERP 商机字段没填。在补字段之前，任何“按课题组”的销售数字都必须标注覆盖范围。
  • 省自然与国自然是两拨人：省自然 PI 与 ERP 课题组名重合 1.4%，说明我们现有商机主要来自企业项目与少量高校课题组，省自然这批新 PI 基本是空白。

下一步（按优先级）

  • ① 补字段（最高优先）：销售下单时「商机(飞书)#」设为必填；对 2026 年 2.6 万行历史订单按客户+项目回填，目标覆盖率 ≥80%。
  • ② 统一命名：飞书商机统一为「PI姓名+课题组」，与省自然/国自然申报人对齐，才能跨表匹配。
  • ③ 派单：把 516 个可命中课题组按依托单位分给浙江区销售，A 级 40 个先跑。
  • ④ 补广东：重新解析广东 2026 省自然 3,171 项清单，按同一口径出课题组台账。
''' # ---------- 5. 拼装 ---------- html = open(SRC, encoding='utf-8').read() # 更新三 表格浙江行 html = html.replace( '浙江省自然科学基金 2026：2,667 项（重大 63 / 杰青 128 / 重点 304 / 探索 630 / 青年 1,048 / 联合 494）', '浙江省自然科学基金 2026：2,669 项（青基 1,049 / 探索 630 / 重点 205 / 联合探索 148 / 地区 119 / 联合重点 104 / 杰青 100 / 青稞 99 / 联合青基 97 / 重大 45 等 14 类）') html = html.replace('
2,667 项（清单逐项可核）
', '
2,669 项（清单逐项可核）
') html = html.replace('
989 项（学科代码 C/H）
', '
991 项（学科代码 C/H）
') # 插入三·六：插在 四、市场容量 之前 html = html.replace('

四、市场容量测算', sec36 + '\n\n

四、市场容量测算', 1) # 替换 五、六 两张卡 def replace_card(h, start_title, new_html): i = h.find(start_title) if i < 0: raise SystemExit('找不到卡片：' + start_title) j = h.find('
', i + 10) k = h.find('__FOOTER__') end = j if (j > 0 and j < (k if k > 0 else len(h))) else (k if k > 0 else len(h)) return h[:i] + new_html + '\n\n' + h[end:] html = replace_card(html, '

五、目标单位名单（广东）', sec5) html = replace_card(html, '

六、目标单位名单（浙江）', sec6) html = replace_card(html, '

七、数据缺口与测算方法', sec7) html = replace_card(html, '

八、结论与下一步', sec8) html = html.replace('国自然与省部委基金分布 2024–2026：市场容量与目标单位', '国自然与省部委基金分布 2024–2026：市场容量与目标课题组') # 移动端：所有表格外包横滑容器，避免整页横向溢出 html = html.replace('输出市场容量 + 目标单位名单', '输出市场容量 + 目标课题组名单') html = html.replace('
', '
') html = html.replace('', '
').replace('
', '
') html = html.replace('', '.tw{overflow-x:auto;-webkit-overflow-scrolling:touch}.tw table{min-width:620px}\n@media(max-width:480px){.bior-tagwrap{display:none}}\n', 1) open(OUT, 'w', encoding='utf-8').write(html) print('已写', OUT) print('省自然 课题组', len(grp), '｜A', sum(1 for x in rank if x[0] == 'A'), '｜B', sum(1 for x in rank if x[0] == 'B'), '｜C', sum(1 for x in rank if x[0] == 'C')) print('ERP 商机', len(erp), '｜金额覆盖 %.1f%%' % (map_amt / tot_amt * 100), '｜匹配课题组', len(matched))