byabasaija/uganda-maize-prices

该数据集包含乌干达坎帕拉Owino市场的月度零售玉米价格数据。数据来源于世界粮食计划署（WFP）的VAM食品价格数据，经过清洗和平均处理，覆盖时间从2010年至2025年4月，每月更新一次。数据集包含三列：年份、月份和平均零售价格（以乌干达先令/千克为单位）。该数据集适用于分析乌干达玉米价格趋势、农业经济研究或食品市场监测。Monthly retail maize prices at Owino market, Kampala, Uganda. Cleaned and averaged from WFP VAM food price data, covering the period from 2010 to April 2025 with monthly frequency. The dataset includes columns for year, month, and average retail price (UGX/kg), and is useful for analyzing maize price trends, agricultural economics, or food market monitoring in Uganda.

搜集汇总

数据集介绍

构建方式

该数据集源自世界粮食计划署（WFP）的脆弱性分析与映射（VAM）食品价格数据，针对乌干达坎帕拉Owino市场的玉米月度零售价格进行了清洗与整合。通过将每日或多次出现的价格记录按月取均值，最终形成结构化的时间序列数据，覆盖2010年至2025年4月的完整周期。数据以简洁的表格形式呈现，包含年份、月份及每公斤乌干达先令计的平均价格三类字段。

特点

该数据集聚焦于单一市场（Owino）和单一商品（玉米），确保了地域与品类的高度专一性，为研究乌干达首都关键食品的价格波动提供了精准视角。时间跨度长达15年且更新至近期，月频粒度使其能够捕捉季节性变化与长期趋势。经过均值化处理的价格数据消除了日内或周际噪声，提升了分析的稳健性与可复现性。

使用方法

用户可通过Hugging Face Hub的`hf_hub_download`函数直接下载CSV文件至本地，随后利用`pandas`库的`read_csv`方法加载为DataFrame。数据格式简洁明了，可直接用于时序分析、可视化或计量建模，如ARIMA或季节性分解。该设计降低了数据获取门槛，便于研究人员快速开展乌干达粮食市场相关的实证分析。

背景与挑战

背景概述

东非地区农业经济高度依赖小农生产，粮食价格波动直接影响数百万农户的生计与粮食安全。在此背景下，Pascal Byabasaija于2025年构建了乌干达玉米价格数据集，该数据集源自世界粮食计划署（WFP）脆弱性分析与测绘（VAM）平台，聚焦坎帕拉市Owino市场的月度零售玉米价格，时间跨度自2010年至2025年4月。作为乌干达最大露天市场之一，Owino市场的价格数据反映了该国主要粮食作物的交易动态，为分析价格趋势、粮食安全预警及农业政策评估提供了关键支撑。该数据集通过清洗、按月平均处理原始多条目记录，形成了标准化的结构化数据，填补了公开可获取的高频玉米价格序列空白，对区域经济研究与可持续发展目标监测具有重要实证价值。

当前挑战

该数据集所解决的领域问题在于，乌干达及东非地区长期缺乏公开、持续且标准化的粮食价格时间序列数据，导致对价格波动、季节性规律及市场结构的定量分析受限。在构建过程中，原始WFP数据存在多来源、多频次的杂乱记录，需应对时间戳不一致、缺失值处理以及异常价格点识别等清洗难题；同时，月内多笔交易的平均化操作需平衡数据代表性与时序细粒度之间的权衡。此外，仅覆盖单一市场（Owino）和单一商品（玉米）限制了数据的外推性，无法完全反映乌干达全国或不同市场间的价格关联，未来需整合更多市场与作物类别以提升分析深度与政策指导力。

常用场景

经典使用场景

Uganda Maize Prices 数据集聚焦于乌干达坎帕拉Owino市场玉米月度零售价格序列，涵盖2010年至2025年4月的长周期数据，频率为月度。其经典使用场景集中在农产品价格波动分析、粮食安全监测以及时序预测模型的构建与评估。研究者常利用该数据集探索东非地区主食作物的价格动态规律，为区域农业经济研究提供高颗粒度的时间序列基础。

解决学术问题

该数据集有效解决了发展中国家城市市场主食价格缺乏系统整理与公开可获取性这一学术瓶颈问题。通过提供清洁、标准化的玉米月度价格记录，它支持学者开展粮食价格季节性分析、通货膨胀传导机制研究、市场整合检验以及极端事件影响评估。其意义在于填补了乌干达乃至东非地区农产品市场微观数据的空白，推动了发展经济学与农业经济学领域的实证研究向精细化方向迈进。

衍生相关工作

围绕该数据集衍生了多项经典工作，包括基于ARIMA、Prophet等模型的价格预测研究，以及结合气象与冲突数据的粮食价格归因分析。部分工作将本数据集与WFP其他市场数据融合，构建乌干达全国粮食价格面板数据，进而开展市场网络传导弹性测算。此外，它还作为基准数据集被用于时间序列异常检测算法的评估，推动了机器学习方法在农业经济预测领域的落地与验证。