cannlytics/cannabis_licenses

Cannabis Licenses数据集是一个包含美国各州允许成人使用大麻的许可证数据的集合。该数据集还包括一个名为`all`的子数据集，该子数据集包含了所有的许可证信息。数据集按州划分，共有18个子集。每个许可证实例包含多个字段，如许可证编号、状态、类型、颁发日期、过期日期等。数据集的创建目的是为了研究大麻行业中的组织运营情况。数据来源包括各州的官方网站，数据收集和标准化过程通过特定的算法完成。数据集包含个人和敏感信息，如姓名、公共地址和联系方式，因此在使用时需要特别注意合法性。数据集的社会影响较大，研究者和数据使用者应谨慎使用。数据集可能存在抽样偏差，且目前仅包含成人使用大麻的许可证信息，未包含医疗大麻的许可证信息。

The Cannabis Licenses dataset is a collection of license data for adult-use cannabis across various states in the United States. It also includes a sub-dataset named `all` that contains all license information. The dataset is partitioned by state, totaling 18 subsets. Each license instance encompasses multiple fields, such as license number, status, type, issuance date, expiration date, and others. The dataset was developed to facilitate research on organizational operations within the cannabis industry. Data sources are official websites of individual states, and the data collection and standardization processes were completed via specific algorithms. The dataset contains personal and sensitive information, including names, public addresses and contact details, thus requiring special attention to legality during usage. The dataset has considerable social impacts, and researchers and data users should exercise caution when using it. Potential sampling bias exists in the dataset, and currently it only covers licenses for adult-use cannabis, excluding those for medical cannabis.

原始信息汇总

数据集概述

数据集名称

• pretty_name: cannabis_licenses

数据集描述

• 摘要: Cannabis Licenses 是一个收集了美国各州允许成人使用大麻的许可证数据集。该数据集还包括一个子数据集 all，包含所有许可证。
• 结构: 数据集分为18个子集，每个子集代表一个州及总体数据。

数据集结构

• 子集: 数据集包含18个子集，分别对应美国各州及总体数据。
• 数据实例: 可以通过编程接口加载各州的许可证数据。
• 数据字段: 数据集包含多个字段，如许可证ID、状态、类型、有效期等。

数据集创建

• 来源数据: 数据来源于各州官方网站。
• 数据收集与标准化: 数据收集使用特定的算法，可在项目仓库中找到。

使用数据集的考虑

• 社会影响: 研究成人使用大麻的许可可能具有显著的社会影响。
• 偏见讨论: 数据由服务于大麻业务的公司收集，存在采样偏差。
• 其他已知限制: 目前仅包含成人使用大麻的许可证，未包含医用大麻许可证。

附加信息

• 许可证: 数据集采用CC-BY-4.0许可证。
• 引用信息: 使用数据集时，应引用相关文献。
• 贡献者: 数据集由Cannlytics及其他贡献者共同维护。

搜集汇总

数据集介绍

构建方式

在全球范围内，大麻产业的合法化进程催生了对其监管数据的迫切需求。Cannabis Licenses数据集正是为满足这一研究需求而构建，其核心在于系统性地收集美国各州成人用大麻许可证信息。该数据集通过爬取各州官方监管机构公开的许可数据库，如阿拉斯加州商业部、加利福尼亚州大麻管制局等，并运用标准化算法对异构数据进行清洗与整合。数据采集算法存放于项目的algorithms目录中，研究者可通过克隆仓库并运行相应Python脚本（如python algorithms/get_licenses_ny.py）复现整个采集流程，从而确保数据的可追溯性与可重复性。

特点

该数据集以其精细化的结构设计脱颖而出，共划分为18个子集，分别对应阿拉斯加、加利福尼亚等已合法化成人用大麻的州，并另设一个聚合子集all以呈现全局视图。每个观测样本均包含丰富的字段，涵盖许可证唯一编号、状态、类型、颁发与到期日期、企业法律名称、经营地址及地理坐标等关键属性。尤为重要的是，数据集仅收录处于活跃状态的许可证，并保留了状态更新日期，这为分析许可证的生命周期与行业动态提供了时间维度的支撑。此外，数据来源的官方性与字段的标准化处理，显著提升了其用于比较研究的价值。

使用方法

研究者可通过Hugging Face Datasets库便捷地加载该数据集，例如使用load_dataset('cannlytics/cannabis_licenses', 'all')命令获取全量数据，或指定州代码如'ca'获取特定子集。加载后的数据以标准的Dataset格式呈现，支持直接进行数据帧转换与后续分析。对于希望深入定制数据的研究者，可克隆仓库并利用algorithms目录下的Python脚本重新运行数据采集流程，或依据需求修改字段映射规则。需要注意的是，数据集中包含个人姓名与联系方式等敏感信息，使用时须严格遵守相关隐私法规，确保合法合规地开展研究工作。

背景与挑战

背景概述

在北美地区大麻合法化进程加速的背景下，针对成人用大麻产业的监管数据整合成为政策分析与市场研究的关键需求。由Cannlytics团队于2022年主导创建的Cannabis Licenses数据集，系统收录了美国22个州及哥伦比亚特区官方发布的成人用大麻经营许可证信息。该数据集的核心研究问题在于构建跨州统一的数据标准，以解决各州监管机构数据格式碎片化、字段定义不统一等结构性障碍。通过整合许可证类型、经营状态、地理位置等20余项标准化字段，该数据集为公共政策评估、产业经济分析及合规性研究提供了基础数据支撑，其影响力体现在推动了从个案研究向系统性计量分析的范式转变，成为大麻社会科学领域的重要数据基础设施。

当前挑战

该数据集面临的核心挑战源于监管环境的动态性与异构性。各州大麻法规修订频率不一，导致许可证状态（如新增、吊销或过期）的实时更新成为持续性难题，数据采集算法需频繁适配不同州政府网站的接口变更。构建过程中遭遇的技术挑战包括：各州数据源格式差异显著（从PDF文档到GIS地图服务），需开发定制化爬虫与解析规则；部分州对个人隐私信息（如企业主姓名、联系电话）的脱敏处理标准不一，加剧了字段对齐的复杂度。此外，医疗用大麻许可证的缺失暴露出数据集在覆盖范围上的局限性，而Cannlytics作为商业机构的采样偏好可能引入系统性偏差，要求研究者在进行跨州比较或趋势推断时需审慎处理数据代表性不足的问题。

常用场景

经典使用场景

在公共政策与产业经济研究领域，cannabis_licenses数据集被广泛用于分析美国各州成人用大麻市场的许可分布格局。研究者可基于该数据，对不同州份的许可证类型、颁发机构、有效期及企业地理分布进行量化剖析，从而揭示大麻合法化进程中的监管差异与市场演化规律。该数据集以其覆盖18个州的全面性，成为评估大麻产业空间集聚效应与政策传导机制的重要基础资源。

衍生相关工作

该数据集衍生了一系列聚焦于大麻产业空间经济学与监管科学的研究工作。例如，有学者基于其构建了许可证密度与社区社会经济指标的关联模型，揭示了合法化过程中的环境正义问题。另有工作结合时间序列分析，追踪许可证颁发节奏与政策调整的协同效应。此外，该数据还催生了开源分析工具包，促进了跨学科合作，如将地理信息系统（GIS）与计量经济学方法结合，深化了对产业演化路径的理解。

数据集最近研究

最新研究方向

随着全球范围内大麻合法化浪潮的持续推进，特别是北美多州对成人用大麻的逐步解禁，大麻产业规模急剧扩张，催生了对于产业监管、市场结构及公共政策评估的迫切研究需求。在此背景下，cannlytics/cannabis_licenses数据集应运而生，它系统性地整合了美国各州合法成人用大麻许可证的公开数据，涵盖从阿拉斯加到华盛顿等主要合法化州的数十万条许可记录。当前前沿研究方向聚焦于利用该数据集进行空间经济学分析，探究许可证分布与社区社会经济特征的关联；同时，结合时间序列数据追踪许可审批动态，评估不同州监管框架对市场进入壁垒和产业多样性的影响。该数据集为政策制定者、公共卫生研究者及产业分析师提供了关键的基础数据支撑，有力推动了大麻经济学的实证研究，并为全球其他地区大麻合法化进程中的监管设计提供了可量化的参考范式。