HC-85/open-food-facts

该数据集包含三个不同的配置：nutrition-feats-only、raw和reduced。nutrition-feats-only配置主要包含与食品营养成分相关的特征，如产品名称、成分、每100克的能量、脂肪、碳水化合物、蛋白质等。raw配置包含更全面的信息，如产品代码、URL、创建时间、品牌、类别、标签、添加剂等。reduced配置是raw配置的简化版本，保留了主要的产品信息和营养成分数据。数据集主要用于食品成分和营养信息的分析。

原始信息汇总

数据集概述

配置名称：nutrition-feats-only

• 特征数量：39个
• 主要特征：
  • product_name (string)
  • generic_name (string)
  • quantity (string)
  • ingredients_text (string)
  • serving_size (string)
  • 营养成分（如energy_100g, fat_100g等，均为float64类型）
• 数据集大小：243,974,113字节
• 下载大小：46,590,471字节
• 训练集大小：243,974,113字节，包含356,027个样本

配置名称：raw

• 特征数量：79个
• 主要特征：
  • 基本信息（如code, url, creator等，均为string类型）
  • 产品信息（如product_name, generic_name, quantity等，均为string类型）
  • 营养成分（如energy_100g, fat_100g等，均为float64类型）
• 数据集大小：1,329,203,457字节
• 下载大小：180,376,553字节
• 训练集大小：1,329,203,457字节，包含356,027个样本

配置名称：reduced

• 特征数量：55个
• 主要特征：
  • 简化信息（如product_name, generic_name, quantity等，均为string类型）
  • 营养成分（如energy_100g, fat_100g等，均为float64类型）
• 数据集大小：765,085,106字节
• 下载大小：133,686,208字节
• 训练集大小：765,085,106字节，包含356,027个样本

搜集汇总

背景与挑战

背景概述

该数据集是一个包含多种食品详细营养成分信息的表格数据集，规模超过100万行，涵盖脂肪、碳水化合物、蛋白质等多种营养成分数据，并以Parquet格式存储。