monthly-merged-africa-logistics-2026-07

该数据集为自动合并的非洲物流月度数据集，报告月份为2026年7月，共包含162条记录。数据来源于南非和埃及两个国家的月度物流数据，分别来自 Hugging Face 上的数据集仓库 toolathon123/sa-logistics-monthly 和 toolathon123/egypt-logistics-monthly。原始数据中南非使用公里和升作为单位，日期格式为YYYY-MM-DD；埃及使用英里和加仑作为单位，日期格式为DD/MM/YYYY。经过统一转换，数据集中的距离字段统一为公里（distance_km），燃料消耗字段统一为升（fuel_consumption_liters），日期字段统一为YYYY-MM-DD格式（埃及数据通过1英里=1.609344公里、1美制加仑=3.785411784升进行转换）。同时添加了source_country字段以标记数据来源国家（South Africa 或 Egypt）。数据集仅保留2026年7月整月（按出发日期筛选）的记录，并通过完整的行去重以及基于shipment_id和source_country的组合去重，确保数据质量。该数据集可用于非洲物流分析、跨国家运输比较、月度燃料消耗与距离关系研究等任务。This dataset is an automatically merged African logistics monthly dataset, reporting month is July 2026, containing 162 records. The data comes from monthly logistics data of South Africa and Egypt, sourced from Hugging Face dataset repositories toolathon123/sa-logistics-monthly and toolathon123/egypt-logistics-monthly. In the original data, South Africa uses kilometers and liters as units, date format YYYY-MM-DD; Egypt uses miles and gallons as units, date format DD/MM/YYYY. After unified conversion, the distance field is unified to kilometers (distance_km), fuel consumption field is unified to liters (fuel_consumption_liters), and the date field is unified to YYYY-MM-DD format (Egypt data converted using 1 mile = 1.609344 km, 1 US gallon = 3.785411784 liters). A source_country field is added to mark the data source country (South Africa or Egypt). The dataset only retains records for the full month of July 2026 (filtered by departure date), and ensures data quality through complete row deduplication and combined deduplication based on shipment_id and source_country. This dataset can be used for tasks such as African logistics analysis, cross-country transportation comparison, and monthly fuel consumption vs distance relationship research.

原始信息汇总

数据集概述

基本信息

• 数据集名称: toolathon123/monthly-merged-africa-logistics-2026-07
• 语言: 英语
• 许可证: MIT
• 标签: logistics, africa, monthly-merge, south-africa, egypt
• 数据规模: 少于1K条记录
• 报告月份: 2026-07
• 数据行数: 162行
• 构建时间: 2026-08-13 14:47 UTC

数据来源

该数据集由两个Hugging Face Hub上的子数据集合并而成：

来源国家	源数据集仓库	输入单位	输入日期格式
南非	toolathon123/sa-logistics-monthly	公里/升	YYYY-MM-DD
埃及	toolathon123/egypt-logistics-monthly	英里/加仑	DD/MM/YYYY

数据转换流程

1. 使用load_dataset加载两个远程数据集。
2. 统一数据结构：转换为distance_km（距离，公里）、fuel_consumption_liters（燃油消耗，升）和YYYY-MM-DD日期格式（埃及数据按1英里=1.609344公里、1美制加仑=3.785411784升进行换算）。
3. 添加source_country字段（值为South Africa或Egypt）以保留数据来源信息。
4. 按出发日期筛选出2026年7月的完整日历月份数据。
5. 使用concatenate_datasets进行合并。
6. 删除关键字段缺失的行，并去除重复项（先按整行去重，再按shipment_id + source_country去重）。

版本管理

该数据集在Hugging Face Hub上通过Git进行版本控制，每次执行都会在main分支上创建新提交，并添加可复现性标签：

标签	含义
monthly-2026-07	该数据集覆盖的报告月份
run-<timestamp>	特定管道执行记录（可通过revision参数复现）

复现方式

• 精确复现: load_dataset("toolathon123/monthly-merged-africa-logistics-2026-07", revision="ecf19c100dbd6385cb0d9f48d71c03d6d1ae92c9")
• 列出所有标签: HfApi().list_repo_refs("toolathon123/monthly-merged-africa-logistics-2026-07").tags

搜集汇总

数据集介绍

构建方式

该数据集的构建遵循严谨的自动化流程，旨在整合非洲地区物流数据。首先，通过Hugging Face Hub加载南非与埃及的月度物流数据集，二者在单位与日期格式上存在差异。随后，统一数据模式为公里、升及标准日期格式，并应用精确换算系数处理埃及数据。为保留数据来源，添加了来源国字段。接着，依据离港日期筛选出完整的2026年7月数据，并通过拼接实现合并。最后，剔除关键字段缺失的记录，并依据完整行及业务键去除重复项，确保数据质量与一致性。

特点

该数据集具有多重显著特点。其一，集成性卓越，融合了南非与埃及的物流信息，提供跨境视角。其二，标准化程度高，所有数值统一为公制单位，日期规范为ISO格式，便于直接分析。其三，版本控制严谨，依托Hugging Face的Git后端，每次运行生成新提交，并通过标签实现可追溯性，确保数据可复现。其四，数据规模适中，包含162条记录，兼顾了信息丰富度与处理效率。其五，数据清洗彻底，缺失值与重复项被有效处理，保障了数据可靠性。

使用方法

该数据集可直接利用Hugging Face的datasets库加载，默认获取最新版本。为复现特定构建，可指定revision参数为确切的提交哈希。用户可通过HfApi的list_repo_refs方法列举所有标签，以识别不同月份或运行批次。数据适用于物流分析、供应链优化、跨国运输比较等研究，亦可用于机器学习模型训练，如预测运输距离或油耗。其统一的模式便于与其他标准化数据集集成，扩展分析范围。

背景与挑战

背景概述

在全球供应链体系日益复杂的今天，非洲大陆以其独特的地理与经济格局，成为国际物流研究的重要场域。2026年，由toolathon123团队构建的monthly-merged-africa-logistics-2026-07数据集应运而生，其核心目标在于整合南非与埃及两国的月度物流数据，构建一个统一、标准化的跨区域数据资源。该数据集通过自动化流水线，将来源相异、单位不同、日期格式多样的原始数据（南非采用公里/升与YYYY-MM-DD，埃及采用英里/加仑与DD/MM/YYYY）进行深度清洗与转换，最终形成包含162条记录的月度合并数据集。其创新之处在于不仅保留了source_country字段以维护数据溯源，还通过Git版本控制与可复现标签（如monthly-2026-07）实现了构建流程的透明度与可追溯性，为非洲区域物流的定量分析、跨国比较及供应链优化研究提供了坚实的数据基石，对推动该领域的数据驱动型研究具有开创性意义。

当前挑战

该数据集所应对的挑战主要源自非洲物流数据生态的碎片化与不兼容性。领域层面，非洲各国物流数据在计量单位、日期格式、字段语义及数据粒度上存在显著差异，直接阻碍了跨区域的数据整合与比较分析，本数据集通过制定统一模式（distance_km、fuel_consumption_liters、标准日期）有效缓解了这一痛点。构建过程中，挑战尤为严峻：数据源异构性要求设计缜密的转换逻辑（如精确的英里-公里、加仑-升换算），同时必须兼顾数据完整性，需剔除缺失关键字段的记录并通过多级去重（按整行及shipment_id+source_country组合）确保数据纯净。此外，自动化流水线的可复现性亦是一大难点，团队通过Git提交与唯一修订标签（revision）实现了每次构建的精确重现，在保证数据时效性的同时也维护了版本间的逻辑一致性。

常用场景

经典使用场景

该数据集作为非洲区域物流数据的月度合并样本，常被用于跨区域物流效率对比研究。研究者可借助其统一的字段结构（如distance_km、fuel_consumption_liters）和来源国标签，分析南非与埃及在运输距离、燃油消耗等方面的差异，进而探讨不同基础设施条件对物流成本的影响。其标准化的日期格式和去重处理，也为时间序列分析或机器学习模型（如运输时长预测）提供了干净的数据基础，适合作为基准数据集验证算法性能。

衍生相关工作

该数据集可能衍生出一系列关于非洲物流数据标准化和融合的研究工作。其构建方式（自动合并、单位转换、去重）可启发开发通用的物流数据集合并工具或预训练模型。基于该数据，研究者可能进一步构建预测模型，如运输里程或油耗回归，并对比不同机器学习算法。此外，它也可能促成更广泛的非洲多国数据集的扩展，类似数据集将用于区域物流网络分析和供应链韧性研究。开源版本记录和可复现标签，也为数据版本管理领域提供了案例参考。

数据集最近研究

最新研究方向

该数据集聚焦于非洲区域物流数据的月度自动化融合与标准化处理，反映了物流领域对多源异构数据整合的前沿需求。通过统一南非与埃及两国的度量衡与日期格式，并保留来源国信息以增强数据溯源，该数据集为跨境物流分析、供应链优化及运输效率评估提供了高质量的基础数据。其Git版本控制与可复现性标签设计，顺应了数据科学领域对数据可追溯性和实验可重复性的日益重视，对于推动非洲物流数字化、支持区域经济一体化研究具有重要实践意义。