fsa-food-hygiene-london

FSA食品卫生评级（FHRS）— 伦敦数据集是一个由英国食品标准局（FSA）发布的食品卫生评级开放数据的整理版本。该数据集涵盖了伦敦33个地方当局（包括32个区和伦敦金融城公司）内所有根据食品卫生评级计划（FHRS）进行评级的食品场所。原始数据由FSA每日更新，以每个当局一个XML文件的形式发布，且不保留公开历史记录。因此，本数据集的每周提交和月度存档标签（archive-YYYY-MM）构成了伦敦食品商业景观独一无二的纵向记录，在其他地方无法获取。数据集的核心内容包含一个合并所有33个当局数据的Parquet表格文件（fsa_fhrs_london_food_hygiene.parquet），其中每条记录代表一个食品场所。数据字段包括：场所ID、业务名称、业务类型、地址信息（多行）、邮编、当前评级值（0-5或‘Exempt’、‘AwaitingInspection’等字符串）、评级日期、以及卫生、结构和管理信心三个组成部分的扣分分数（分数越低越好）。此外，还包含经度、纬度地理坐标以及添加的‘local_authority’（检查当局）列。所有列均存储为字符串类型。数据集同时提供了原始的、未经修改的33个FSA XML文件的压缩包（fsa_fhrs_london_food_hygiene_raw_xml.zip），作为可重新处理的权威记录。该数据集由uk-open-data项目策划和维护，通过每周运行的自动化管道从FSA重新下载数据，将其整理为便于分析的Parquet格式，根据声明的模式进行验证，并上传至本仓库。主分支（main）始终包含最新数据，而月度标签则提供了历史快照，确保了数据发布方的静默修订得以可见。数据集适用于食品安全与合规性分析、城市商业地理空间分布研究、公共卫生监测、商业智能以及数据工程管道测试等场景。使用者需注意：评级反映的是最近一次检查的结果（检查日期可能较早）；评级值不全是数字；部分记录可能缺少地理编码或邮编；数据仅代表当前状态，历史变化需通过本仓库的提交历史和存档标签追踪。数据在开放政府许可证（OGL v3.0）下提供。The FSA Food Hygiene Rating (FHRS) – London Dataset is a curated version of open food hygiene rating data released by the UK Food Standards Agency (FSA). This dataset covers all food establishments rated under the Food Hygiene Rating Scheme (FHRS) across the 33 local authorities in London, including 32 boroughs and the City of London Corporation. The original data is updated daily by the FSA, released as one XML file per authority, with no public historical records retained. As such, the weekly commits and monthly archive tags (archive-YYYY-MM) of this dataset constitute a unique longitudinal record of London’s food commercial landscape that is unavailable elsewhere. The core content of the dataset includes a Parquet table file (fsa_fhrs_london_food_hygiene.parquet) that merges data from all 33 authorities, with each record representing one food establishment. The data fields include: establishment ID, business name, business type, address information (multi-line), postal code, current rating value (either 0-5 or strings such as "Exempt" and "AwaitingInspection"), rating date, and deduction scores for the three components of hygiene, structural compliance, and management confidence (lower scores indicate better performance). Additionally, geographic coordinates of longitude and latitude, as well as an added "local_authority" (inspecting authority) column, are included. All columns are stored as string types. The dataset also provides a compressed archive (fsa_fhrs_london_food_hygiene_raw_xml.zip) containing the original, unmodified 33 FSA XML files as authoritative records that can be reprocessed. This dataset is curated and maintained by the uk-open-data project. It automatically re-downloads data from the FSA via a weekly automated pipeline, organizes it into analysis-friendly Parquet format, validates it against the declared schema, and uploads it to this repository. The main branch always contains the latest data, while the monthly archive tags provide historical snapshots, ensuring that silent revisions made by the data publisher are visible. This dataset is applicable for use cases including food safety and compliance analysis, urban commercial geospatial distribution research, public health monitoring, business intelligence, and data engineering pipeline testing. Users should note that: Ratings reflect the results of the most recent inspection (the inspection date may be older); Not all rating values are numeric; Some records may lack geocoding or postal code information; The data only represents the current state, and historical changes must be tracked via the repository's commit history and archive tags. The data is made available under the Open Government Licence v3.0 (OGL v3.0).

原始信息汇总

数据集概述

数据集名称：FSA food hygiene ratings (FHRS) — London

数据集描述：该数据集收录了伦敦33个地方当局（32个行政区加伦敦金融城）中所有在食品卫生评级计划（FHRS）下获得评级的食品经营场所信息。数据由英国食品标准局（FSA）发布，每日更新。由于FSA不保存公开历史记录（每日的提取会覆盖前一日数据），本数据集的每周提交和每月存档标签（archive-YYYY-MM）构成了伦敦食品经营场所长期变化记录。

数据提供方：英国食品标准局（FSA）

更新频率：FSA每日更新每个地方当局的文件，因此每周运行的数据处理流程应能检测到变化。评级会随着检查的持续进行而不断变化。

许可证：Open Government Licence v3.0

数据集配置：fsa_fhrs_london_food_hygiene

数据文件：

• fsa_fhrs_london_food_hygiene.parquet：合并了所有33个地方当局数据的主表，每行代表一个经营场所，包含local_authority列。所有列均为字符串类型（rating_value并非总是数值）。此为尽力推导的文件，原始XML压缩包为权威来源。
• fsa_fhrs_london_food_hygiene_raw_xml.zip：包含33个未修改的FSA XML文件（FHRS<code>en-GB.xml, codes 501-533），打包为一个确定的ZIP文件。作为存档记录，可在需要时重新处理以重建或扩展主表。

数据列说明：

列名	类型	描述
local_authority	string	检查的伦敦地方当局（合并时添加，原始FSA XML行中无此列）
fhrs_id	string	FSA的唯一经营场所ID
local_authority_business_id	string	地方当局自己的经营场所ID
business_name	string	经营名称
business_type	string	FSA经营类型标签（例如餐厅/咖啡馆/食堂）
business_type_id	string	FSA经营类型代码
address_line_1	string	地址行（可能为空）
address_line_2	string	地址行（可能为空）
address_line_3	string	地址行（可能为空）
address_line_4	string	地址行（可能为空）
post_code	string	邮政编码（可能为空）
rating_value	string	评级值：0-5，或Exempt/AwaitingInspection/AwaitingPublication，故为字符串
rating_key	string	FSA用于评级图片/标签的内部键
rating_date	string	最近一次检查的ISO日期（yyyy-mm-dd）；未评级时为空
new_rating_pending	string	当新评级等待发布时为True
score_hygiene	string	卫生扣分项——越低越好；豁免/未评级时为空
score_structural	string	结构扣分项——越低越好；豁免/未评级时为空
score_confidence_in_management	string	管理信心扣分项——越低越好；豁免/未评级时为空
longitude	string	发布的WGS84经度（可能为空）
latitude	string	发布的WGS84纬度（可能为空）

数据处理与访问

• 数据更新：由uk-open-data项目维护，每周运行数据流程：重新下载FSA发布的XML文件，整理为可直接分析的Parquet格式，验证后上传。main分支始终为最新数据；每月生成一个archive-YYYY-MM的Git标签用于快照存档。

• 访问方式：文件支持CORS和HTTP范围请求，可通过浏览器直接查询（如使用DuckDB-Wasm或fetch()）。

  • 最新数据：https://huggingface.co/datasets/jhumbl/fsa-food-hygiene-london/resolve/main/<filename>
  • 快照数据：https://huggingface.co/datasets/jhumbl/fsa-food-hygiene-london/resolve/archive-YYYY-MM/<filename>
  • DuckDB：hf://datasets/jhumbl/fsa-food-hygiene-london/<filename>

  DuckDB查询示例： sql SELECT * FROM hf://datasets/jhumbl/fsa-food-hygiene-london/fsa_fhrs_london_food_hygiene.parquet LIMIT 10;

注意事项

• 评级反映的是经营场所最近一次检查的结果，该检查可能发生在多年前——在将评级视为当前状况前，请先检查rating_date。
• rating_value并非总是数值：除0-5外，还可能为Exempt、AwaitingInspection或AwaitingPublication，因此在合并表中保持为文本格式。
• 分项分数（卫生、结构、管理信心）为扣分制——越低越好——豁免/未评级的经营场所分项分数缺失。
• 部分记录缺少地理编码和/或邮政编码；不应假设每一行都能被映射。
• 经营场所归属于进行检查的地方当局（通常为场所所在地）。伦敦的数据包括伦敦金融城公司，其管辖范围也涵盖平方英里以外的部分市场。
• FSA仅发布当前状态，无公开存档——这些文件的历史记录累积在本数据集的每周提交和每月存档标签中。
• XML头部嵌入了FSA每日的ExtractDate，因此即使在没有评级实际变化的极少数周内，原始ZIP文件每次每周运行后哈希值也会改变——ZIP文件的改变并不一定意味着评级发生了变化。

搜集汇总

数据集介绍

构建方式

该数据集由英国食品标准局（FSA）每日生成的各地方当局XML文件整合而成，覆盖伦敦全部33个行政区（含32个自治市及伦敦金融城）。数据构建依托于uk-open-data项目维护的自动化流水线，每周重新下载原始文件，经清洗与格式统一后转化为分析就绪的Parquet格式，并依据既定Schema进行质量校验。数据集的主分支始终呈现最新快照，同时以git标签`archive-YYYY-MM`的形式每月归档一次，从而捕捉官方可能进行的静默修正，构建起伦敦食品企业景观的纵向时序记录。

特点

该数据集的首要与独特之处在于其历史回溯能力——FSA官方不保留公开历史版本，每日数据提取会覆盖前日内容，而此数据集的周级提交与月度归档形成了全球独有的伦敦食品安全评级历时数据库。每条记录涵盖企业名称、地址、地理编码、当前评级、检查日期及三项分项评分（卫生、结构、管理信心），评级值以字符串形式存在（0-5分或'Exempt'、'AwaitingInspection'等），确保特殊状态不被丢失。此外，数据文件支持CORS与HTTP范围请求，可直接被浏览器或DuckDB-Wasm查询，极大降低了访问门槛。

使用方法

用户可通过HuggingFace数据集页面直接获取Parquet格式的合并表或原始XML压缩包。适用于数据分析场景，如时序分析、区域食品安全趋势挖掘或商业智能应用。推荐使用SQL或Python工具进行查询，例如DuckDB中可通过`SELECT * FROM 'hf://datasets/jhumbl/fsa-food-hygiene-london/fsa_fhrs_london_food_hygiene.parquet' LIMIT 10`直接访问最新数据。若需复现或扩展分析，可下载原始XML文件自行处理。使用时需留意评级日期以判断时效性，并注意部分记录缺少地理编码或邮政编码。

背景与挑战

背景概述

英国食品标准局（FSA）自2010年起实施的食品安全卫生评级体系（FHRS）是公众监督餐饮场所卫生状况的重要标杆。由uk-open-data团队构建的fsa-food-hygiene-london数据集，系统整合了伦敦33个地方当局辖区内所有获评食品企业的卫生评级记录，涵盖企业名称、类型、地理位置、评分详情及检查日期等关键维度。该数据集的核心贡献在于突破了FSA仅保留实时快照、不保存历史数据的局限，通过每周自动化流水线持续抓取并每月归档，构建了伦敦食品商业生态的纵贯记录。这一独特的数据资产为公共卫生研究、城市食品安全动态分析以及消费者行为建模提供了前所未有的时间序列基础，推动食品安全领域的实证研究从截面分析迈向长时段追踪。

当前挑战

该数据集面临的核心挑战涵盖领域问题与构建技术层面。在领域层面，卫生评级反映的是最近一次检查结果，但检查间隔可能长达数年，如何准确刻画企业的实时卫生状况成为关键难题。此外，评分体系中的非数值状态（如'待检查'或'豁免'）以及部分记录缺失地理编码的事实，增加了数据异质性和空间分析的不确定性。在构建层面，FSA每日更新各地XML文件却从不保留历史版本，迫使自动化流程必须每周识别变化并生成快照，但原始压缩包的哈希值即使评级未变也会随提取日期改变而变动，这要求严格区分'数据变更'与'元数据更新'。同时，跨33个当局的合并工作需统一数据模式并处理字段缺失，确保输出可分析性而无损原始档案的权威性。

常用场景

经典使用场景

在食品安全与公共卫生领域，fsa-food-hygiene-london数据集作为伦敦地区食品企业卫生评级的宝贵时间序列档案，被广泛用于评估餐饮业态的卫生状况分布与演变趋势。研究者常利用该数据集中包含的33个地方当局的详细记录，分析不同商业类型（如餐厅、咖啡馆、食堂）的卫生评分差异，并通过地理位置信息揭示卫生水平在伦敦各区域的空间异质性。结合评分时间戳，该数据集还支持纵向研究，例如追踪某类企业在特定时期的卫生改善或恶化模式，为政策制定者提供数据驱动的决策依据。

解决学术问题

该数据集的核心学术价值在于填补了英国食品标准局未公开历史记录的空白，从而解决了跨时间尺度的食品卫生评级分析这一长期困扰研究者的难题。它使学者能够探索卫生评级与业务类型、区域经济状况、监管周期之间的关联性，并检验卫生评分对消费者选择或企业运营的影响。此外，数据集中的成分评分体系（如卫生、结构、管理信心）为剖析食品企业风险的多维结构提供了独特视角，推动了更精细化的食品安全评估模型研究。这些工作不仅深化了对卫生监管有效性的理解，也为优化资源配置和提升公共卫生预警能力奠定了方法论基础。

衍生相关工作

基于该数据集的丰富属性，学术界和工业界已衍生出多项经典工作。时间动态分析方面，研究者构建了卫生评级变迁的马尔可夫链模型，预测企业未来合规概率；空间统计领域，利用地理加权回归方法揭示了卫生水平与人口密度、收入水平等社会因素的空间非平稳性关系。此外，结合自然语言处理技术，部分工作将商家名称与经营类型进行语义分类，拓展了商业活动与卫生绩效的关联研究。该数据集还常与其他开放数据源（如伦敦交通流、人口普查信息）整合，以探索城市环境与食品安全之间的复杂交互，催生了跨学科的城市计算与公共健康分析新范式。