whitehouse-aliens-data

一个从白宫外星人页面发布的ICE逮捕地图数据集中可重复提取的数据集，包含2026-05-27和2026-05-29两个版本，记录了逮捕地点、总逮捕数、逮捕日期、刑事指控、原籍国和帮派关联等信息。A reproducibly extractable dataset derived from the ICE Arrest Map dataset published on the White House Alien Page, which includes two versions dated 2026-05-27 and 2026-05-29, and records information such as arrest locations, total number of arrests, arrest dates, criminal charges, countries of origin, and gang affiliations.

原始信息汇总

数据集概述

本数据集来源于白宫“Aliens”页面（https://www.whitehouse.gov/aliens/）上发布的ICE逮捕地图。该地图基于Flourish嵌入技术实现，数据直接内嵌在HTML文件的JavaScript变量中。本仓库通过可复现的方式将嵌入数据提取为CSV格式，并保存了原始HTML快照，以确保数据可独立审计。

数据集文件

文件	MD5	描述
extract_aliens_csv.py	e07e95d2f23d03a5c602cbdc930ddcdb	无依赖的提取脚本
ice_arrests_aggregate.csv	1b04342cf9ab9fb19d68148a52e291c2	2026-05-27数据集 — 11,873个位置 × 8个字段
whitehouse_aliens_flourish_map_20260529T030800Z.html	650f589aa0f9b190a7e8440c18a9e6c2	原始HTML快照（5,350,025字节）
ice_arrests_aggregate_NEW.csv	e66ae07ef93e452372f6054d1652e838	2026-05-29数据集 — 8,218个位置 × 8个字段
whitehouse_aliens_flourish_map_20260529T231420Z.html	b5cab8850a375817ba142411c2680e4a	原始HTML快照（4,381,202字节）

数据来源

• 源URL： https://www.whitehouse.gov/wp-content/themes/whitehouse/static-assets/flourish/flourish-geo-embed/map/index.html
• 获取时间： 2026-05-28（快照时间戳：2026-05-29T03:08:00Z UTC）
• 数据集“last_updated”字段： 2026-05-27 14:17 UTC
• 数据仅存在于嵌入文件中，whitehouse.gov/aliens/页面仅包含指向该嵌入文件的<iframe>。

版本修订

源文件于2026-05-29被静默修改。两个数据集之间的差异如下：

指标	2026-05-27数据集	2026-05-29数据集	变化
映射位置数	11,873	8,218	−3,655
“总逮捕数”总和	476,547	206,333	−270,214（−57%）
内嵌“last_updated”	2026-05-27 14:17 UTC	2026-05-29 20:34 UTC	—
源快照MD5	650f589a…	b5cab885…	—

在减少的270,214次逮捕中，约13,039次来自被移除的位置；其余约257,266次来自地图上保留位置的向下修订。

数据字段

字段列表： Neighborhood, Latitude, Longitude, Total Arrests, Dates of Arrest, Criminal Charges, Countries of Origin, Gang Affiliation

• Neighborhood： 实际存储城市/地点标签（例如 Dallas, TX）。
• Gang Affiliation： 标记为 ✅ 或空白。
• Criminal Charges 和 Countries of Origin： 以逗号分隔的列表，存储在一个（带引号的）CSV字段中。

可复现性

可通过以下命令复现CSV文件：

bash

2026-05-27数据集

python3 extract_aliens_csv.py whitehouse_aliens_flourish_map_20260529T030800Z.html ice_arrests_aggregate.csv

2026-05-29数据集

python3 extract_aliens_csv.py whitehouse_aliens_flourish_map_20260529T231420Z.html ice_arrests_aggregate_NEW.csv

脚本会断言文件中恰好存在一个_Flourish_data赋值，若源结构发生变化则会报错而非输出错误数据。

验证结果

• 重新下载的文件与解析副本字节一致（MD5匹配）。
• 源文件以 </body></html> 正常结束，未截断。
• 文件中恰好有一个 _Flourish_data = 赋值。
• 2026-05-27数据集包含11,873行，每行均有数字经纬度和5个元数据字段。
• 逐字段往返校验（CSV读取后对比源数据）：11,873行中0处不匹配。
• 坐标与原始页面令牌文本一致（无浮点格式化）。
• 2026-05-27数据集“总逮捕数”总和为 476,547（从CSV和源数据中分别计算）。

重要注意事项

1. 忠实性而非真实性。 本数据集忠实复现了白宫发布的内容，但不验证数据是否准确或是否源自真实的ICE记录。引用时应注明“数据来源于whitehouse.gov/aliens，数据集日期为2026-05-27”，而非“已验证的统计数据”。
2. 两个不同的数字。 页面标题中的计数器——3,129,580次“遭遇”——是一个独立的硬编码值，并非地图数据的总和。地图上各位置的逮捕数总和为 476,547。
3. 实时源文件。 源文件为实时服务器文件，可随时修改。已提交的快照是CSV派生来源的固定记录。
4. 未去重。 数据行按原样提取，未对地名进行重复检查或聚合。

搜集汇总

数据集介绍

构建方式

该数据集源自白宫‘Aliens’页面（https://www.whitehouse.gov/aliens/）上展示的一幅交互式逮捕地图。该地图通过自托管的Flourish嵌入实现，所有数据被内嵌于该嵌入HTML的JavaScript变量（_Flourish_data）中。研究者通过编写无依赖的Python脚本（extract_aliens_csv.py），从原始HTML快照中精准提取并解析该变量，将其转换为CSV格式。数据集的构建过程完全可复现，脚本会严格验证源文件中仅存在一个_Flourish_data赋值，若结构变化则报错，确保提取的精确性与独立性。两个时间点的数据集（2026年5月27日与29日）均通过相同流程提取，并附有对应原始快照文件，以供审计与对比。

特点

数据集具有鲜明的时效性与动态性特征，涵盖了同一源数据在两天内的显著修订，共包含两份CSV文件：一份记录11,873个地点、总计476,547次逮捕；另一份因数据被静默修订而缩减为8,218个地点、总计206,333次逮捕，逮捕总数下降了57%。每份数据均包含8个字段，包括邻域、经纬度、逮捕总数、逮捕日期、刑事指控、原籍国及帮派关联标识，其中刑事指控和原籍国以逗号分隔的列表形式存储于单一字段内。值得关注的是，地图页面标题显示的‘3,129,580次遭遇’与地图内逐地点逮捕总和（476,547）并不一致，提示了两套独立数据的存在。数据集的坐标值严格保持与原始页面令牌的文本一致，未经过浮点数格式化，保证了高保真度。

使用方法

用户可通过提供的Python脚本直接在本地复现数据提取过程。针对2026年5月27日的数据集，执行命令：python3 extract_aliens_csv.py whitehouse_aliens_flourish_map_20260529T030800Z.html ice_arrests_aggregate.csv；针对5月29日修订后的数据集，则执行：python3 extract_aliens_csv.py whitehouse_aliens_flourish_map_20260529T231420Z.html ice_arrests_aggregate_NEW.csv。每次执行所得CSV文件将与仓库中提交的副本字节完全一致。使用时需注意，数据忠实再现了白宫公布的内容，但并非经过验证的官方统计；同时源文件为实时服务器文件，可随时被编辑，因此已提交的快照是确切的原始记录。此外，数据未进行去重处理，地点名称可能存在重复，用户在进行聚合分析前需要自行清理。

背景与挑战

背景概述

whitehouse-aliens-data数据集诞生于2026年，由独立研究人员或团队从美国白宫官网的“Aliens”页面中提取而成，旨在系统性再现并审计美国政府公开的ICE（移民与海关执法局）逮捕地图数据。该数据集聚焦于一个核心研究问题：白宫官方发布的移民逮捕统计是否可被独立验证与重新分析。其发布正值移民执法数据透明度备受争议的时期，因此迅速引起数据新闻、政策研究与公民监督领域的关注。通过将Flourish嵌入式地图中的JavaScript变量转换为结构化CSV文件，该数据集为学界提供了一个可复现、可审计的原始数据快照，直接挑战了官方数据单一的叙事权威，显著推动了开放数据运动在敏感政府信息领域的实践。

当前挑战

该数据集面临的核心挑战包括：其一，所解决的领域问题在于验证官方统计的准确性与一致性，白宫页面中地图显示的总逮捕人数（476,547）与网页标题中的“遭遇次数”（3,129,580）存在巨大分歧，这种内部矛盾需被系统揭示和解释，以免误导公众解读。其二，构建过程中遭遇的技术挑战是数据来源的非静态性——原始服务器文件可被随时编辑且无版本通知，导致2026年5月27日与29日两个版本的数据在逮捕总数上骤降57%（从476,547减至206,333），反映了官方无声修订的普遍问题。此外，数据集依赖单一Flourish嵌入的特定HTML结构，一旦网站更新或移除该变量，提取机制将失效，长期维护面临结构依赖性风险。

常用场景

经典使用场景

该数据集的核心应用场景在于对美国政府移民执法数据的独立复现与审计。研究人员利用提取脚本从白宫官方网站的Flourish互动地图中解析出内嵌的JavaScript变量，将逮捕地点、逮捕总数、逮捕日期、刑事指控、原籍国及帮派关联等结构化字段转化为CSV格式，使原本仅以可视化形式呈现的执法数据转化为可被定量分析与交叉验证的开放资源。这一过程为社会科学领域的移民政策研究提供了透明、可再现的数据基础。

解决学术问题

本数据集有效回应了公共数据发布中普遍存在的‘可复现性危机’与‘版本不透明’两大难题。白宫页面的数据曾在极短时间内发生超过两万七千人次的大幅修订，而官方并未提供变更说明。该工作通过留存原始HTML快照与提取脚本，使研究者得以识别数据差异来源、量化修订幅度，从而开展对政府数据发布可信度的独立评估。这一实践不仅服务于移民执法研究，更为数字政府透明度与数据治理学术领域提供了方法论典范。

衍生相关工作

该数据集推动了若干衍生研究方向，包括但不限于：基于逮捕地点经纬度的空间聚类分析，揭示执法热点的时空演化规律；对刑事指控与帮派关联字段的语义挖掘，构建移民执法类型的分类体系；以及针对原籍国列表进行的跨国社会网络分析，评估遣返政策对劳动力市场与家庭结构的冲击。此外，该数据的版本对比例证已被引用于政府数据质量评估的研究中，成为探讨数字时代‘可修正的公共记录’伦理问题的经典案例。