香港废物数据实测：回收率是 34.4% 还是 52.5%，差在分母放谁

今天是中秋正日，节后照例有一轮「月饼盒、包装、利是封到底回收了多少」的讨论。这类问题看着简单，落到数据上全是坑。我把中国香港环境保护署的废物统计五份 CSV 全抓了下来（零鉴权，任何人都能复现），只做一件事：算回收率。三个数字先摆出来：

• 2024 年的回收率，34.4% 和 52.5% 都算得出，差18.1 个百分点，区别在于分母放「产生量」还是「弃置量」；
• 用错分母的那条线，2010 年算出过108.3%——回收率超过 100%，这个数本身就是报错；
• 五份文件里「废物量」有四个口径：总弃置5,723,100、都市固体废物弃置3,846,800、产生5,864,700、回收2,017,900（公吨/年），总弃置比都市固体废物弃置高出 48.8%。

一、四个口径，四个数

五份文件的表头几乎一样（year, waste_cat_en, 数量），文件名却各不相同，量的是四件事：

踩过一次就知道：「香港一年产生多少废物」这句话，四个数都能答，而且都对。总弃置量那 5,723,100 吨拆开是：都市固体废物 3,846,800、建筑废物 1,718,200、特殊废物 158,200——工地拆下来的混凝土占掉三成，跟生活垃圾完全不是一回事。拿总数去算人均生活垃圾，会比真实值高 48.8%。

二、先看恒等式：产生量 = 弃置量 + 回收量

在动手算比率之前，我习惯先找一条能自证的等式。这套数据里有一条：

# 产生量 与 弃置量+回收量 的残差，逐年核对importcsv,io,pathlib RAW=pathlib.Path("原始返回/epd")defrows(name):text=(RAW/f"{name}_en_r0.csv").read_bytes().decode("utf-8-sig")return[rforrincsv.reader(io.StringIO(text))ifrandr[0].strip()]gen={r[0]:int(r[2])forrinrows("generation")[1:]}rec={r[0]:int(r[2])forrinrows("recovery")[1:]}msw={r[0]:int(r[2])forrinrows("bycat")[1:]ifr[1]=="Municipal solid waste"}resid={y:gen[y]-msw[y]-rec[y]foryinsorted(gen)}zero=sum(1forvinresid.values()ifv==0)print(len(resid),zero,{y:vfory,vinresid.items()ifv!=0})

跑出来是16 14 {'2013': -100, '2016': 100}：16 个年份里14 年残差正好为 0，只有 2013 和 2016 年差了 ±100 公吨——100 吨是这份数据的舍入粒度（所有数字都取整到百吨），所以这不是数据错，是四舍五入留下的指纹。

这条等式的价值在于：它说明产生量、弃置量、回收量三个数来自同一套统计口径，可以互相校验。拿到一批新数据时，先找这种恒等式跑一遍，比读完文档再下手靠谱得多——文档不会告诉你哪两个数该对得上。

三、分母放谁：18.1 个百分点，和一个 108.3%

回收率的分子没争议（回收量 2,017,900），分母有两个候选：

# 同一个分子，两个分母foryinsorted(gen):over_gen=round(rec[y]/gen[y]*100,1)over_disp=round(rec[y]/msw[y]*100,1)flag=" ← 超过 100%，分母错了"ifover_disp>100else""print(y,over_gen,over_disp,round(over_disp-over_gen,1),flag)# 2024 34.4 52.5 18.1# 2010 52.0 108.3 56.3 ← 超过 100%，分母错了

回收量 ÷ 产生量 = 34.4%（废物流进处理链条之前就被分走了多少），回收量 ÷ 弃置量 = 52.5%（回收的和扔掉的之比）。两个数都在说「回收率」，差18.1 个百分点。

第二个分母有个致命的破绽：2010 年它算出 108.3%。回收率不可能超过 100%，所以只要你算出来的比率越界，就一定是分母选错了（或者分子分母不同源）。这是个不用读文档就能发现的信号——我建议把assert 0 <= rate <= 100直接写进脚本。

为什么早期年份会越界？看数据就明白：2010 年的产生量是 6,930,100 吨，回收量 3,603,400 吨，而弃置量只有 3,326,700 吨——那几年回收的量大到接近弃置量，说明「回收」的统计口径（含出口转运）与后面年份并不完全一致。跨年份比比率之前，先确认口径有没有换过。

四、人均弃置率反推人口：口径的另一个入口

第五份文件给的是人均弃置率（公斤/人/日），2024 年都市固体废物是1.4、家居废物是0.86。把总量和人均率放在一起，可以反推出它用的是多少人口：

rate={}forrinrows("rate")[1:]:rate.setdefault(r[0],{})[r[1]]=float(r[2])foryinsorted(msw):pop=msw[y]*1000/365/rate[y]["Municipal solid waste"]/1e6print(y,round(pop,3))# 2009 6.948 ... 2020 7.527 ... 2024 7.528

反推出来的序列从 2009 年的 694.8 万一路走到 2024 年的 752.8 万，2021 年有一个回落（742.3 万）——与这几年的人口走势吻合。所以这份数据用的是年中人口口径，而不是年末人口。

这个方法反过来也很好用：当你手上有两个聚合指标，又不确定它们是否同源时，反推出隐含的第三个量，看它是否与已知事实对得上。要留意精度——人均率只保留两位小数（1.4），末位抖动 ±0.005 就是±0.4%，换算到人口是±3 万，做年度对比时这点误差无所谓，做月度对比就完全不够用。

五、URL 里嵌着年份，明年这份链接就没了

最后一个坑不在数据里，在下载地址上。这五份文件的 URL 长这样：

.../solid-waste-generation-quantity-en-2024.csv

年份直接写在文件名里。我把 2018 到 2026 都试了一遍：9 个年份里只有 5 个还活着（2020–2024 返回 200，2018/2019 已被清理，2025/2026 还没生成）。

更隐蔽的是，同一个模式下的旧年份文件不是同一个数据：2020 版只有 2009–2020 共 12 行（465 字节），2024 版有 16 行（611 字节）——文件每年长高一点，旧文件是当年的快照，不是全集的子集。所以硬编码 URL 有两个后果：明年文件名从 2024 变 2025，你的脚本直接 404；就算某个旧链接还活着，拿到的也不是最新全集，而且你不会收到任何警告——它照样返回 200。

正确做法是从数据集描述页取资源地址（data.gov.hk 的package_show能拿到当前资源的真实 URL），或者按年份构造时先探测再回退，别把年份写死。

六、可直接抄的做法

1. 先找恒等式再算比率。找到「A = B + C」这类能自证的关系，跑一遍残差，舍入粒度内的差异可以放过，超出就别往下算。
2. 比率必须写边界断言。0 <= rate <= 100一行代码，能挡住 108.3% 这种错。
3. 分母写进变量名。别叫rate，叫recovery_over_generation，半年后回来看代码你不会搞混。
4. 人均类指标反推隐含量，验证口径；同时记下它的有效位数，别用它做超出精度的对比。
5. 下载地址不要硬编码带年份的文件名，从资源清单取，或者探测+回退。

今天 21 次请求（五份主数据各两轮 + 三语对照 + 九个年份探测）全部真实抓取，原始文件已落盘，脚本可以整篇复跑。

参考链接

1. https://www.epd.gov.hk/epd/sites/default/files/epd/english/environmentinhk/waste/data/files/solid-waste-generation-quantity-en-2024.csv
2. https://data.gov.hk/en-data/api/3/action/package_show?id=hk-epd-statteam-solid-waste-recovery-quantity
3. https://www.epd.gov.hk/epd/english/environmentinhk/waste/waste_maincontent.html

原创声明：本文所有数据于 2026 年 9 月 25 日实测抓取自中国香港环境保护署公开统计文件与 data.gov.hk，抓取与校验脚本随文附上，欢迎复现。

如果这篇帮你挡住了一次「回收率算成 108%」的事故，点个收藏，下一篇继续拆比率类指标的坑。