us-residential-properties-sale-events-dataset

该数据集为美国住宅物业与销售事件数据集，包含超过700万条来自官方县/市政府来源的房产和销售事件记录，涵盖地块、评估和交易历史信息。数据集提供费城和纽约市的城市级切片。数据以Parquet格式存储，包含两个配置：properties（3,306,420行）和sale_events（3,703,094行）。该数据集适用于房地产比较与估值模型、投资筛选、城市分析、抵押贷款和产权研究等应用场景。数据采用CC BY-NC 4.0许可协议，允许学术和个人使用，但需注明出处并链接到数据来源；商业使用需获得DataForge商业许可证。This dataset is a US residential property and sales event dataset, containing over 7 million records of property and sales events from official county/city government sources, covering parcel, assessment, and transaction history information. It provides city-level slices for Philadelphia and New York City. The data is stored in Parquet format with two configurations: properties (3,306,420 rows) and sale_events (3,703,094 rows). The dataset is suitable for applications such as real estate comparison and valuation models, investment screening, urban analysis, mortgage and title research. It is licensed under CC BY-NC 4.0, allowing academic and personal use with attribution and link to the data source; commercial use requires a DataForge commercial license.

原始信息汇总

US Residential Properties & Sale Events (Government Records) 数据集详情

数据集概览

该数据集包含超过700万条来自美国官方县/市政府来源的房地产和销售事件记录，涵盖地块、评估和交易历史数据，并提供费城和纽约市两个城市级别的数据切片。数据集属于DataForge开放数据计划的一部分，免费供学术和个人使用。

数据规模与配置

配置名称	行数	Parquet分片数	大小
properties	3,306,420	1	190.7 MB
sale_events	3,703,094	1	153.7 MB

数据集提供两个配置（config）：

• properties：房产属性数据（地块、评估信息）
• sale_events：销售事件数据（交易历史）

数据包分级

数据包	级别	行数	大小	SHA-256
realestate-tier1-S-2026-08-02.zip	S（费城）	1,327,964	109.5 MB	5da022313d1afcbcab9b3d4e161c0412016283d1ffab127ddfc70f34b21aea17
realestate-tier1-M-2026-08-02.zip	M（纽约市）	1,423,038	128.8 MB	9f6280106f20b389850d16e63be8b6c70605de1b562d1cbedb637b710b30ce76
realestate-tier1-L-2026-08-02.zip	L（全量）	7,009,514	512.5 MB	948c71304012cfae084118a269515027fda52b0577c94157f815568c751e6fa2

每个数据包均包含数据字典、数据表和QA报告。所有文件也可从机器可读的开放数据索引获取。

数据格式与加载方式

原生数据格式为 parquet（snappy压缩），同时提供CSV/JSONL副本的归档压缩包。支持通过pandas、polars、duckdb以及Hugging Face datasets库加载。

适用场景

• 可比交易与估值模型
• 投资筛选
• 城市分析
• 抵押贷款与产权研究

数据来源与方法论

数据来源于美国县级评估机构/政府房地产与销售事件记录。覆盖范围、更新频率和完整字段级数据字典可在数据集页面获取。

许可证

• 学术/个人使用：采用 CC BY-NC 4.0 许可，需注明出处并回链至数据源。
• 商业使用：需获取DataForge商业许可证。
• 上游许可条款继续适用于底层数据。

引用信息

text DataForge (data.zalize.com) — https://data.zalize.com/datasets/us-residential-properties-sale-events-dataset

DOI（Zenodo镜像）：10.5281/zenodo.21813358 GitHub Release镜像：https://github.com/wookat/dataforge-pipelines/releases/tag/open-data-us-residential-real-estate

搜集汇总

数据集介绍

构建方式

本数据集源自美国县级政府官方不动产记录，整合了超过七百万条住宅物业与交易事件数据，覆盖费城、纽约市等多个辖区。构建流程严格遵循权威数据源，通过标准化清洗与结构化处理，将原始政府记录转化为包含物业特征、评估信息及交易历史的规范化表格。数据以Parquet格式分片存储，分别提供‘properties’与‘sale_events’两个配置，便于高效检索与分析。

使用方法

用户可通过HuggingFace datasets库直接加载特定配置，例如使用load_dataset函数获取‘properties’或‘sale_events’数据。同时，数据文件兼容Pandas、Polars及DuckDB等主流数据处理工具，支持流式读取与复杂查询。数据集适用于构建房地产估值模型、投资筛选、城市分析及抵押贷款研究等场景，学术与个人用途遵循CC BY-NC 4.0许可，需注明来源。

背景与挑战

背景概述

该数据集由DataForge开放数据项目于2026年发布，整合了美国费城和纽约市等地方政府官方记录的逾700万条住宅物业与交易事件数据，涵盖产权、评估及历史交易信息。其核心研究问题在于为房地产估值、投资筛选、城市分析及抵押贷款研究提供结构化、可复用的公开数据资源。作为连接政府公开记录与学术及个人应用的桥梁，该数据集凭借其规模、完整性和标准化格式，为房地产经济学、城市科学及数据驱动决策领域提供了坚实的数据基础，并已通过Zenodo镜像和GitHub发布，增强了可访问性与影响力。

当前挑战

该数据集所应对的领域挑战在于，房地产研究长期受限于碎片化、异构的政府记录，难以进行跨区域比较与时间序列分析；本数据集通过整合多源官方数据并标准化，缓解了数据一致性与可比性问题。构建过程中，挑战包括海量数据的清洗与去重、跨管辖区字段映射的差异处理、确保数据时效性与覆盖完整性，以及在开放许可下平衡商业使用与公共访问的需求，这些都需精细的数据治理与质量控制机制来克服，以确保数据集的可靠性和可持续更新。

常用场景

经典使用场景

在房地产与城市科学研究领域，该数据集以其海量官方政府记录为基石，成为构建房产估值模型与可比销售分析的黄金标准。研究者可依托其7百万余条物业及交易事件数据，精准刻画市场动态特征，用于住宅价格指数编制、住房供需弹性估计以及空间自相关分析。其细粒度的城市切片（如费城与纽约市）尤其利于开展城市内部异质性研究，为揭示社区级价格梯度与城市更新效应提供了无可比拟的数据支撑。

解决学术问题

该数据集的问世有效破解了房地产研究中长期困扰学界的数据碎片化与不透明难题，其以统一架构整合了跨越多个行政辖区的官方产权与交易记录，使得跨区域可比性研究成为可能。它解决了传统数据源更新滞后、字段标准不一等问题，赋能经济学、公共政策及城市规划领域的学者进行严谨的因果推断、市场效率检验及政策影响评估，显著提升了实证研究的信度与效度，推动了数据驱动的城市治理学术前沿。

实际应用

在实际应用中，该数据集化身投资决策的智慧引擎，被广泛应用于房地产投资筛选与资产组合优化。金融机构借助其交易历史进行抵押贷款违约风险建模与房屋价值评估，提升放贷决策的精准性。城市管理者和规划师则利用其数据进行物业税基测算、区域发展规划及公共设施布局优化。此外，数据所蕴含的丰富时空信息亦为保险精算、零售网点选址及应急资源调配等多元化商业场景提供了坚实的数据底座。

数据集最近研究

最新研究方向

该数据集整合了美国县级政府公开的房产与交易记录，覆盖超过700万条不动产与交易事件，为房地产领域的前沿研究提供了坚实的数据基础。当前研究聚焦于利用此类细粒度、高频的行政记录，结合机器学习与空间分析技术，构建更精准的房产估值模型（AVM）与市场趋势预测系统，同时探索其在城市更新、社区经济活力评估及抵押贷款风险量化中的应用。数据集的公开性与结构化为跨区域、跨时间维度的比较研究创造了条件，推动了基于证据的住房政策制定与投资决策支持，其衍生分析对理解美国住宅市场的动态演变具有重要价值。