60-5k-prices-stay-cool

该数据集为2026年空调价格原始数据集，包含2026年7月21日至8月18日期间美国12个ZIP码市场、6个住宅空调类别的60,453条经过质量筛选的价格观测记录。每个观测记录对应一个空调产品在特定日期、特定ZIP市场下的标题、数量、价格信息，并提供了标准化为每单位可比价格字段。字段包括系列ID、系列标题、规范URL、地理类型、地理ID、地理标签、观测日期、产品名称、数量值、数量单位、数量名称、价格金额、货币代码、标准化价格金额、标准化数量值、标准化数量单位。数据集适用于分析不同空调类型（便携式、窗式、穿墙式、迷你分体式）的价格分布、地理价格差异、日度价格中位数变化等任务。所有期望的日期、ZIP市场和类别×ZIP×日期单元格均完整，无重复行。数据集采用CC0 1.0通用许可，可自由使用。This dataset is a raw dataset of air conditioner prices for 2026, containing 60,453 quality-filtered price observations across 12 ZIP code markets and 6 residential air conditioner categories in the United States from July 21 to August 18, 2026. Each observation records the title, quantity, and price of an air conditioner product on a specific date and in a specific ZIP market, with standardized fields for comparable price per unit. Fields include series ID, series title, canonical URL, geography type, geography ID, geography label, observation date, product name, quantity value, quantity unit, quantity name, price amount, currency code, standardized price amount, standardized quantity value, and standardized quantity unit. The dataset is suitable for analyzing price distributions across different air conditioner types (portable, window, through-the-wall, mini-split), geographic price differences, and daily median price changes. All expected dates, ZIP markets, and category×ZIP×date cells are complete with no duplicate rows. The dataset is licensed under CC0 1.0 Universal, allowing free use.

原始信息汇总

Air Conditioner Prices Raw Dataset (2026) 数据集详情

数据集概览

该数据集是一个关于美国空调价格的固定研究快照，包含 60,453 条质量过滤后的价格观测记录，覆盖 6 个住宅空调类别、12 个美国邮政编码市场和 29 个连续日期（2026年7月21日至8月18日）。数据集以 CSV 格式提供，文件大小为 27,511,648 字节，使用美元计价。

数据规模与覆盖

维度	详情
行数	60,453
列数	16
观测窗口	2026年7月21日–8月18日（29天）
日期 / 邮编市场 / 类别	29 / 12 / 6
类别 × 邮编 × 日期组合	2,088 / 2,088（100%覆盖）
独立产品标题数	956
可比价格行数	60,453（100%）
精确重复行	0
数据格式 / 货币	CSV / USD

数据含义

每一行代表一个经过质量过滤的空调产品标题、邮政编码市场、日期、列出的数量和列出的价格观测记录，属于某个制冷类别。该数据不是销售、订单、需求、库存、市场份额、能效、安装成本或产品性能记录。

类别分布

类别键	类别名称	行数	比较目标
mini_split_ac	迷你分体空调	26,114	1单位
portable_ac_12k_plus_btu	便携式空调（12,000+ BTU）	8,544	1单位
portable_ac_8k_11999_btu	便携式空调（8,000–11,999 BTU）	7,702	1单位
through_wall_ac_8k_14999_btu	穿墙式空调（8,000–14,999 BTU）	5,858	1单位
window_ac_8k_14999_btu	窗式空调（8,000–14,999 BTU）	6,842	1单位
window_ac_under_8k_btu	窗式空调（小于8,000 BTU）	5,393	1单位

字段说明

• series_id: 稳定的类别键（字符串）
• series_title: 空调类别的人类可读标题
• canonical_url: 相关 CostInflation 类别页面链接
• geography_type: 地理级别，始终为 postal_code
• geography_id: 五位美国邮政编码，需按文本加载
• geography_label: 邮政编码市场的人类可读标签
• observed_date: 观测日期（YYYY-MM-DD格式）
• product_name: 完整的产品标题，非稳定产品ID
• quantity_value: 已解析的产品数量值
• quantity_unit: 已解析的数量单位
• quantity_name: 数量的人类可读描述
• price_amount: 列出的包装或单位价格
• currency_code: 货币代码，始终为 USD
• normalized_price_amount: 按1单位比较目标缩放的价格
• normalized_quantity_value: 数值比较目标，始终为1
• normalized_quantity_unit: 比较目标的单位，始终为 units

可比价格方法

price_amount 保留原始列出的价格。每一行都有兼容的已解析数量，normalized_price_amount 将列出价格转换为1单位的固定比较目标。比较值仅在相同的 series_id 内有效，不同冷却能力段和安装格式在分析上是不同的。

质量说明

• 所有29个预期日期、12个邮政编码市场和2,088个类别×邮编×日期组合全部存在
• 精确重复公共行：0
• 公式前置产品标题：0
• 产品标题为描述性文本，并非稳定的公共产品标识符
• 邮编标签描述的是选定市场，而非全市、大都市、州或全国估计
• 运费、税费、已兑换促销、购买行为、安装、能源使用、房间面积和产品性能不在数据集范围内

许可信息

该数据集采用 CC0 1.0 Universal 许可发布，允许不受限制地重复使用。归因不是必需的，但引用有助于他人找到该版本。数据集由 CostInflation 团队于2026年发布。

搜集汇总

数据集介绍

构建方式

本数据集为2026年7月21日至8月18日期间，针对美国12个邮政编码市场、6类家用空调产品的价格观测快照，共计60,453条记录。数据经质量过滤，涵盖产品标题、地理信息、日期、数量及价格等16个字段，并提供了以单位数量为基准的可比价格字段，确保跨类别分析的一致性。

特点

数据集覆盖29个连续日期、12个邮政编码市场及6个空调类别，实现了类别×地区×日期的全组合覆盖，共2,088个数据单元。所有记录均具备可比价格，无重复或无效条目，且来源中立，适合进行时空维度的价格分布与波动分析。

使用方法

推荐使用Pandas等数据分析工具读取CSV文件，按系列ID、地理标签等维度分组，计算价格中位数、标准差等统计量，以探究不同类别、地区及时间下的价格规律，亦可结合可视化工具进行趋势展示。

背景与挑战

背景概述

在消费电子与家电市场中，价格数据的时空动态对于理解区域经济差异、供需波动及零售策略至关重要。为填补空调价格细粒度监测的空白，CostInflation团队于2026年构建了首个覆盖美国12个邮政编码市场、六类家用空调产品（含迷你分体、窗式、穿墙式及便携式）的原始价格数据集。该数据集在2026年7月21日至8月18日的29个连续日期内，系统采集了60,453条经质量过滤的价格观测记录，每个产品-市场-日期单元格均完整无缺。通过引入标准化单位价格字段，数据集解决了跨品类可比性难题，为时间序列分析、区域价格差异及产品定价策略研究提供了独特资源。其发布推动了零售价格透明度，并为经济学、数据科学及公共政策领域提供了可靠的研究基石。

当前挑战

本数据集构建直面多项核心挑战。领域层面，空调价格受制冷能力、能效等级、安装方式及品牌溢价等多重因素影响，品类间直接比较极为复杂；地理维度上，不同邮政编码市场的消费能力与竞争格局导致价格显著异质，单一价格指数难以代表整体趋势；时间维度方面，夏日需求波动剧烈，需在29天窗口内精确捕捉日际价格变动。构建过程中，团队需对海量原始报价进行类别归属、安全过滤及精确去重，同时确保每个观测值的数量与价格解析无误，并设计可比价格归一化方法以消除包装规格差异。此外，验证数据完整性（2,088个单元格无一缺失）及消除格式隐患（如公式引导的产品标题）亦构成技术难点，最终实现零重复、零未解析的严谨数据集。

常用场景

经典使用场景

该数据集作为固定研究快照，记录了2026年7月21日至8月18日期间美国12个邮政编码市场内六类家用空调产品的价格观测值，共计60,453条未聚合数据。其核心应用场景在于构建细粒度的时空价格分布分析，研究者可据此剖析便携式、窗式、穿墙式及分体式空调在不同冷却能力区间内的价格离散程度，并借助标准化单价字段实现跨类别、跨地域、跨日期的可比性研究，为消费电器市场的微观价格动态提供坚实的数据基础。

解决学术问题

该数据集有效填补了零售价格研究中高分辨率、多维度价格信息缺失的空白，解决了传统价格指数因聚合而掩盖产品异质性与地域差异的难题。通过提供完整的类别-邮编-日期单元格（2,088个），研究者得以量化区域市场间的价格分异、追踪日度价格中位数与离散度的演变规律，并探究产品标题措辞与冷却格式对价格分布的影响，从而推动对市场效率、价格刚性与地域竞争格局的实证理解，为经济学与市场营销学的理论验证提供有力支撑。

衍生相关工作

基于该数据集，衍生出了一系列利用时间序列分析与数据可视化技术探索价格动态的学术工作。研究人员构建了各类别空调的日度价格指数，并通过对比不同冷却能力带的价格轨迹，揭示了产品分级定价的深层规律；同时，结合地理信息分析，衍生出探究邮政编码层面价格离散源的研究，将区域经济特征与零售定价策略相关联。此外，部分工作致力于开发可复现的价格异常检测算法，为零售市场的透明化监管与消费者权益保护提供了创新性的分析工具。