英国在线零售商两年交易数据
数据集简介
数据集背景与主题
Online Retail II 数据集聚焦于商业分析领域,旨在提供真实的零售交易场景数据。该数据来源于一家位于英国的非实体店在线零售商,记录了其在特定时间段内的完整业务流水。由于该商家主要面向批发商销售礼品类商品,其交易模式与普通消费者零售存在差异,具有典型的B2B特征。数据的时间跨度覆盖两年,能够反映季节性波动与长期趋势,是研究零售行为与客户分群的重要素材。
适用任务与数据特性
该数据集被设计用于支持多种机器学习任务,包括分类(Classification)、回归(Regression)和聚类(Clustering)。数据模态表现为多变量、序列以及时间序列类型,同时包含文本信息。由于原始业务记录中不可避免地存在缺失值,用户在建模前通常需要进行数据清洗与预处理工作。这种真实世界的数据噪声使得该数据集在评估算法鲁棒性方面具有独特价值。
变量结构与字段说明
数据集包含以下核心变量,每个字段对应具体的业务含义:
- InvoiceNo:发票编号,唯一标识每一笔交易单据
- StockCode:库存代码,代表具体商品的编码
- Description:商品描述,包含商品名称等文本信息
- Quantity:数量,记录每笔交易中商品的数量
- InvoiceDate:发票日期,精确到交易发生的时间点
- UnitPrice:单价,商品的单位价格
- CustomerID:客户ID,唯一标识购买者
- Country:国家,记录客户所在的地理区域
这些字段共同构成了完整的交易画像,支持从产品、客户、时间等多个维度进行深度分析。
文件信息与获取方式
数据集以单个Excel文件形式提供,文件名为 online_retail_II.xlsx,总大小为43.5 MB,包含1,067,371条交易实例。用户可通过UCI机器学习库的官方页面直接下载该文件,或使用 pip install ucimlrepo 命令通过Python包管理器获取。此外,Kaggle等平台也提供了镜像下载入口,方便不同技术栈的用户使用。
授权与引用规范
本数据集遵循 Creative Commons Attribution 4.0 International (CC BY 4.0) 许可协议。这意味着任何个人或组织均可在注明原作者的前提下,出于任何目的共享、修改或衍生该数据集。引用该数据时建议采用以下格式:Chen, D. (2012). Online Retail II [Dataset]. UCI Machine Learning Repository. https://doi.org/10.24432/C5CG6D。