El conjunto de datos abierto de nutrición alimentaria de Nutrola: más de 500.000 alimentos disponibles para descargar

Los buenos datos nutricionales son difíciles de encontrar. Los investigadores pierden semanas limpiando bases de datos gubernamentales. Los desarrolladores escriben scrapers frágiles que se rompen cada mes. Los estudiantes que escriben tesis se conforman con muestras pequeñas y desactualizadas porque reunir un conjunto de datos completo desde cero no es realista dentro de un plazo académico.

Construimos la base de datos de alimentos de Nutrola para potenciar nuestra aplicación de conteo de calorías, y durante los últimos tres años hemos invertido fuertemente en hacer que esos datos sean precisos, completos y bien estructurados. Hoy publicamos un subconjunto curado de esa base de datos como un conjunto de datos abierto: más de 500.000 entradas de alimentos verificadas disponibles para descarga gratuita en formatos CSV y JSON.

Esta publicación cubre todo lo que necesitas saber sobre el conjunto de datos: qué contiene, cómo descargarlo, el esquema, la licencia, la metodología de calidad y cómo se compara con otras fuentes de datos nutricionales disponibles públicamente.

Qué contiene el conjunto de datos

El Nutrola Open Food Nutrition Dataset contiene más de 500.000 entradas de alimentos que abarcan ingredientes crudos, alimentos genéricos, productos de consumo de marca y platos comunes de restaurantes. Cada entrada ha sido verificada a través de nuestro pipeline de control de calidad multicapa, el mismo sistema descrito en detalle en nuestra publicación sobre cómo construimos nuestra base de datos de alimentos.

Cada entrada de alimento incluye los siguientes datos:

• Nombre del alimento — el nombre común del alimento en inglés, con nombres de marca cuando corresponda
• Calorías — contenido energético en kilocalorías (kcal) por 100 gramos y por porción
• Macronutrientes — proteína, grasa total, grasa saturada, grasa trans, carbohidratos totales, fibra dietética, azúcares totales y azúcares añadidos, todo en gramos
• Micronutrientes — más de 30 vitaminas y minerales incluyendo vitamina A, vitamina C, vitamina D, vitamina E, vitamina K, tiamina, riboflavina, niacina, vitamina B6, folato, vitamina B12, calcio, hierro, magnesio, fósforo, potasio, sodio, zinc, cobre, manganeso, selenio y más
• Tamaños de porción — descripción del tamaño de porción estándar (p. ej., "1 manzana mediana", "1 taza cocida"), peso de la porción en gramos y hasta tres tamaños de porción alternativos por alimento
• Categoría del alimento — clasificación jerárquica usando nuestra taxonomía interna (p. ej., Lácteos > Queso > Queso duro)
• País de origen — el país o región principal donde se vende el producto alimenticio o donde el ingrediente se consume comúnmente
• Código de barras (cuando esté disponible) — códigos UPC o EAN para productos de marca
• Etiquetas de fuente de datos — indicadores de procedencia que muestran si la entrada se originó de bases de datos gubernamentales, datos del fabricante, análisis de laboratorio o nuestro equipo interno de verificación

Datos de ejemplo

Aquí hay una selección de entradas del conjunto de datos para darte una idea de la estructura y el detalle:

food_id	food_name	category	country	calories_per_100g	protein_g	fat_g	carbs_g	fiber_g	serving_desc	serving_g
NF-001247	Chicken Breast, Raw, Skinless	Poultry > Chicken	US	120	22.5	2.6	0.0	0.0	1 breast (174g)	174
NF-008391	Fage Total 0% Greek Yogurt	Dairy > Yogurt > Greek	GR	54	10.3	0.0	3.0	0.0	1 container (150g)	150
NF-014205	Basmati Rice, White, Cooked	Grains > Rice	IN	130	2.7	0.3	28.2	0.4	1 cup (158g)	158
NF-022876	Avocado, Hass, Raw	Fruits > Tropical	MX	160	2.0	14.7	8.5	6.7	1/2 avocado (68g)	68
NF-031560	Barilla Penne Rigate, Dry	Pasta > Dried	IT	359	12.5	2.0	71.2	3.0	2 oz (56g)	56
NF-045892	Kimchi, Traditional Napa Cabbage	Vegetables > Fermented	KR	15	1.1	0.5	2.4	1.6	1/2 cup (75g)	75
NF-053714	Salmon, Atlantic, Raw, Farmed	Fish > Salmon	NO	208	20.4	13.4	0.0	0.0	1 fillet (113g)	113
NF-067283	Chickpeas, Canned, Drained	Legumes > Beans	US	119	6.3	2.0	18.2	5.4	1/2 cup (120g)	120

El conjunto de datos completo incluye muchas más columnas para micronutrientes, tamaños de porción alternativos, datos de códigos de barras y etiquetas de fuente. La tabla anterior muestra los campos nutricionales principales.

Formatos de datos

El conjunto de datos está disponible en dos formatos:

CSV

El archivo CSV usa codificación UTF-8 con delimitadores de coma. La primera fila contiene los encabezados de columna. Los campos que contienen comas están encerrados entre comillas dobles. Los valores nulos se representan como campos vacíos.

El formato CSV es ideal para herramientas de hojas de cálculo como Excel y Google Sheets, software estadístico como R y SPSS, y exploración rápida de datos con herramientas de línea de comandos como csvkit o xsv.

Archivo: nutrola-open-food-dataset-v3.csv (aproximadamente 210 MB sin comprimir, 48 MB gzipped)

JSON

El archivo JSON contiene un array de objetos, uno por entrada de alimento. Se utilizan objetos anidados para campos estructurados como tamaños de porción (que contienen una descripción, peso en gramos y equivalente en mililitros cuando corresponda) y perfiles de micronutrientes.

El formato JSON es más adecuado para el desarrollo de aplicaciones, importaciones de bases de datos y cualquier flujo de trabajo donde necesites preservar la estructura jerárquica de tamaños de porción y grupos de nutrientes.

Archivo: nutrola-open-food-dataset-v3.json (aproximadamente 340 MB sin comprimir, 62 MB gzipped)

Ambos archivos también están disponibles como archivos comprimidos con gzip para reducir los tiempos de descarga.

Esquema de datos

Aquí está el esquema completo con descripciones para cada campo del conjunto de datos:

Nombre del campo	Tipo	Descripción
food_id	string	Identificador único de Nutrola para la entrada de alimento (formato: NF-XXXXXX)
food_name	string	Nombre común del alimento, incluyendo marca cuando corresponda
category_l1	string	Categoría de alimento de nivel superior (p. ej., Lácteos, Cereales, Frutas)
category_l2	string	Categoría de segundo nivel (p. ej., Queso, Arroz, Tropical)
category_l3	string	Categoría de tercer nivel cuando corresponda (p. ej., Queso duro, Arroz integral)
country	string	Código de país ISO 3166-1 alpha-2 que indica el mercado principal
brand	string	Nombre de marca para productos de marca; null para alimentos genéricos
barcode	string	Código de barras UPC/EAN; null si no aplica
calories_per_100g	float	Energía en kcal por 100 gramos
protein_g	float	Proteína en gramos por 100g
fat_total_g	float	Grasa total en gramos por 100g
fat_saturated_g	float	Grasa saturada en gramos por 100g
fat_trans_g	float	Grasa trans en gramos por 100g
carbs_total_g	float	Carbohidratos totales en gramos por 100g
fiber_g	float	Fibra dietética en gramos por 100g
sugars_total_g	float	Azúcares totales en gramos por 100g
sugars_added_g	float	Azúcares añadidos en gramos por 100g
sodium_mg	float	Sodio en miligramos por 100g
cholesterol_mg	float	Colesterol en miligramos por 100g
vitamin_a_mcg	float	Vitamina A en microgramos RAE por 100g
vitamin_c_mg	float	Vitamina C en miligramos por 100g
vitamin_d_mcg	float	Vitamina D en microgramos por 100g
calcium_mg	float	Calcio en miligramos por 100g
iron_mg	float	Hierro en miligramos por 100g
potassium_mg	float	Potasio en miligramos por 100g
magnesium_mg	float	Magnesio en miligramos por 100g
zinc_mg	float	Zinc en miligramos por 100g
phosphorus_mg	float	Fósforo en miligramos por 100g
selenium_mcg	float	Selenio en microgramos por 100g
vitamin_b6_mg	float	Vitamina B6 en miligramos por 100g
vitamin_b12_mcg	float	Vitamina B12 en microgramos por 100g
folate_mcg	float	Folato en microgramos DFE por 100g
vitamin_e_mg	float	Vitamina E en miligramos por 100g
vitamin_k_mcg	float	Vitamina K en microgramos por 100g
thiamin_mg	float	Tiamina (B1) en miligramos por 100g
riboflavin_mg	float	Riboflavina (B2) en miligramos por 100g
niacin_mg	float	Niacina (B3) en miligramos por 100g
copper_mg	float	Cobre en miligramos por 100g
manganese_mg	float	Manganeso en miligramos por 100g
serving_1_desc	string	Descripción del tamaño de porción principal (p. ej., "1 taza cocida")
serving_1_g	float	Peso del tamaño de porción principal en gramos
serving_2_desc	string	Descripción del tamaño de porción alternativo; null si no está disponible
serving_2_g	float	Peso del tamaño de porción alternativo en gramos
serving_3_desc	string	Segunda descripción del tamaño de porción alternativo; null si no está disponible
serving_3_g	float	Peso del segundo tamaño de porción alternativo en gramos
data_source	string	Etiqueta de procedencia: "government", "manufacturer", "laboratory" o "verified_community"
last_verified	string	Fecha ISO 8601 de la última verificación de la entrada (AAAA-MM-DD)
dataset_version	string	Identificador de versión del conjunto de datos (p. ej., "v3.0")

Todos los valores nutricionales se expresan por 100 gramos para permitir comparaciones consistentes. Para calcular los nutrientes por porción, multiplica el valor por 100g por el peso de la porción en gramos y divide entre 100.

Cómo descargar

El conjunto de datos está alojado en nuestro repositorio público de GitHub:

github.com/nutrola/open-food-nutrition-dataset

Puedes descargar los archivos directamente desde la página de Releases de GitHub, o clonar el repositorio:

git clone https://github.com/nutrola/open-food-nutrition-dataset.git

Para las versiones comprimidas:

# Download CSV (gzipped)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.csv.gz

# Download JSON (gzipped)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.json.gz

El repositorio también contiene:

• Un README.md detallado con instrucciones de inicio rápido
• Un CHANGELOG.md que documenta los cambios entre versiones del conjunto de datos
• Un directorio scripts/ con scripts de ejemplo en Python y R para cargar, filtrar y analizar los datos
• Un directorio schema/ con definiciones de JSON Schema y dialecto CSV

Si necesitas la base de datos completa con más de 3 millones de entradas y actualizaciones en tiempo real en lugar de instantáneas periódicas, consulta nuestra Nutrition Data API para acceso de desarrolladores.

Casos de uso

Investigación académica

Los investigadores en nutrición pueden usar el conjunto de datos para análisis de patrones dietéticos, modelado epidemiológico y estudios de densidad de nutrientes sin pasar semanas limpiando y fusionando archivos de datos gubernamentales. El sistema de categorías jerárquico facilita el filtrado por grupos de alimentos, y el campo de país permite comparaciones interculturales.

La investigación publicada que use el conjunto de datos debe citarlo como: Nutrola Open Food Nutrition Dataset, v3.0 (2026). Disponible en github.com/nutrola/open-food-nutrition-dataset. Licenciado bajo CC BY-SA 4.0.

Desarrollo de aplicaciones

Los desarrolladores que construyen aplicaciones relacionadas con salud, fitness o alimentación pueden usar el conjunto de datos como base de datos local de alimentos. El esquema consistente y los datos de tamaño de porción significan que puedes construir una función funcional de registro de alimentos sin depender de una conexión API en vivo. Esto es particularmente útil para aplicaciones móviles offline-first, prototipos y proyectos de hackathon.

El formato CSV se carga directamente en SQLite, PostgreSQL o cualquier base de datos relacional. El formato JSON se mapea limpiamente a almacenes de documentos como MongoDB o Firestore.

Ciencia de datos y aprendizaje automático

El conjunto de datos es adecuado para entrenar y evaluar modelos de aprendizaje automático relacionados con alimentos y nutrición. Las aplicaciones comunes incluyen:

• Modelos de clasificación de alimentos — usa la jerarquía de categorías como etiquetas de entrenamiento para construir clasificadores que predigan categorías de alimentos a partir de nombres o perfiles nutricionales
• Estimación nutricional — entrena modelos de regresión que predigan el contenido calórico o de macros a partir de información parcial (p. ej., estimar calorías a partir de proporciones de proteína, grasa y carbohidratos)
• Sistemas de recomendación — construye motores de recomendación de alimentos que sugieran alternativas nutricionalmente similares
• Detección de anomalías — identifica perfiles nutricionales inusuales que podrían indicar problemas de calidad de datos en otros conjuntos de datos

Educación

Los estudiantes y educadores de ciencias de la nutrición pueden usar el conjunto de datos para trabajos de curso, laboratorios y tareas. La amplitud de los datos, que cubren alimentos de docenas de países y abarcan todos los grupos principales de alimentos, lo hace útil para enseñar conceptos como proporciones de macronutrientes, densidad de micronutrientes y cómo los perfiles nutricionales varían entre cocinas y niveles de procesamiento de alimentos.

Salud pública y política

Las organizaciones de salud pública pueden usar los datos para analizar el panorama nutricional de categorías de alimentos o mercados específicos. El campo de país permite filtrar por región, y el campo de marca permite el análisis de la calidad nutricional de alimentos de marca versus genéricos.

Metodología de calidad de datos

Publicar un conjunto de datos abierto no significa nada si los datos no son confiables. Así es como garantizamos la calidad en las más de 500.000 entradas de esta publicación.

Verificación multifuente

Cada entrada del conjunto de datos ha sido verificada contra al menos dos fuentes independientes. Nuestras fuentes de datos primarias incluyen:

• Bases de datos nutricionales gubernamentales — USDA FoodData Central (Estados Unidos), CoFID (Reino Unido), NUTTAB (Australia), CNF (Canadá) y bases de datos equivalentes de más de 20 países
• Datos proporcionados por fabricantes — paneles de datos nutricionales enviados directamente por fabricantes de alimentos a través de nuestro programa de asociación de marcas
• Análisis de laboratorio — pruebas de laboratorio independientes realizadas por nuestro equipo para alimentos de alto volumen donde los datos de origen son conflictivos o están desactualizados
• Envíos comunitarios verificados — entradas enviadas por usuarios que han pasado nuestro proceso de verificación de tres pasos (referencia cruzada automatizada, revisión de expertos y detección estadística de valores atípicos)

Controles de calidad automatizados

Cada entrada pasa por una serie de controles automatizados antes de ingresar al conjunto de datos:

• Validación del balance energético — el conteo de calorías se verifica contra el cálculo de Atwater (4 kcal/g proteína + 9 kcal/g grasa + 4 kcal/g carbohidratos). Las entradas donde las calorías declaradas se desvían del valor calculado en más del 10% se marcan para revisión manual.
• Verificaciones de rango — cada valor nutricional se valida contra rangos fisiológicamente plausibles para la categoría del alimento. Una entrada de queso que afirma 0 gramos de grasa o una entrada de fruta que afirma 50 gramos de proteína se marca inmediatamente.
• Consistencia entre entradas — los alimentos similares se comparan estadísticamente. Si una nueva entrada de pechuga de pollo tiene valores significativamente diferentes del grupo existente de entradas de pechuga de pollo, se retiene para revisión.
• Validación del tamaño de porción — los pesos de las porciones se verifican contra porciones estándar conocidas. Una "1 manzana mediana" que afirma pesar 500 gramos no pasa.

Revisión humana

Las entradas marcadas por los controles automatizados pasan por una revisión manual por parte de nuestro equipo de datos, que incluye nutricionistas acreditados y científicos de alimentos. Aproximadamente el 12% de las entradas requieren algún tipo de corrección manual antes de ser aprobadas.

Mantenimiento continuo

El conjunto de datos no es un volcado único. Volvemos a verificar las entradas de forma continua, priorizando los alimentos de alto volumen (los que más registran los usuarios de Nutrola) y las entradas cuyos datos de origen se han actualizado. Cuando un fabricante de alimentos reformula un producto, detectamos el cambio a través de nuestro sistema de monitoreo de códigos de barras y actualizamos la entrada en consecuencia.

Frecuencia de actualización

Publicamos nuevas versiones del conjunto de datos abierto trimestralmente. Cada publicación incluye:

• Nuevas entradas de alimentos añadidas desde la versión anterior
• Correcciones a entradas existentes identificadas a través de nuestro monitoreo de calidad
• Datos nutricionales actualizados para productos reformulados
• Cobertura ampliada de micronutrientes cuando hay nuevos datos de origen disponibles

La versión actual es v3.0, publicada en marzo de 2026. El historial de versiones y los registros de cambios están disponibles en el repositorio de GitHub.

Si necesitas datos que se actualicen con más frecuencia que trimestralmente, nuestra Nutrition Data API refleja los cambios en un plazo de 48 horas.

Licencia

El Nutrola Open Food Nutrition Dataset se publica bajo la licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0).

Esto significa que eres libre de:

• Compartir — copiar y redistribuir el conjunto de datos en cualquier medio o formato
• Adaptar — remezclar, transformar y crear a partir del conjunto de datos para cualquier propósito, incluyendo uso comercial

Bajo las siguientes condiciones:

• Atribución — debes dar el crédito apropiado a Nutrola, proporcionar un enlace a la licencia e indicar si se realizaron cambios
• CompartirIgual — si remezclas, transformas o creas a partir del conjunto de datos, debes distribuir tus contribuciones bajo la misma licencia CC BY-SA 4.0

Elegimos CC BY-SA 4.0 porque logra el equilibrio correcto entre apertura y garantizar que las mejoras fluyan de vuelta a la comunidad. Si construyes una mejor versión de estos datos, la licencia asegura que tus mejoras permanezcan disponibles para todos los demás también.

Cómo se compara con otros conjuntos de datos

Hay varios conjuntos de datos nutricionales disponibles públicamente. Así es como el Nutrola Open Food Nutrition Dataset se compara con las dos alternativas más utilizadas.

vs. USDA FoodData Central

USDA FoodData Central es el estándar de oro para datos nutricionales en Estados Unidos. Es exhaustivo, bien documentado y respaldado por análisis de laboratorio. Sin embargo, tiene limitaciones que el conjunto de datos de Nutrola aborda:

Dimensión	USDA FoodData Central	Nutrola Open Dataset
Entradas totales	~400.000 (Foundation, SR Legacy, Branded combinados)	500.000+
Cobertura geográfica	Principalmente Estados Unidos	47 países
Productos de marca	Solo marcas estadounidenses, a menudo desactualizados	Marcas internacionales, verificadas trimestralmente
Formato de datos	Múltiples formatos de archivo incompatibles, estructura relacional compleja	Un solo archivo CSV o JSON, estructura plana
Tamaños de porción	Inconsistentes entre sub-bases de datos	Formato estandarizado con hasta 3 porciones por alimento
Facilidad de uso	Requiere ingeniería de datos significativa para fusionar sub-bases de datos	Descarga un archivo y comienza a trabajar
Frecuencia de actualización	Varía según sub-base de datos (anualmente para algunas)	Trimestral

Si tu trabajo se enfoca exclusivamente en alimentos de EE.UU. y necesitas el perfil de nutrientes más profundo posible (USDA cubre más de 150 nutrientes para alimentos Foundation), FoodData Central es la mejor opción. Si necesitas cobertura internacional, formateo consistente y un conjunto de datos que funcione de inmediato, el conjunto de datos de Nutrola es la opción más fuerte.

Los dos conjuntos de datos son complementarios. Muchos investigadores usan datos de USDA Foundation para análisis detallados de nutrientes de EE.UU. y los complementan con datos de Nutrola para cobertura internacional y productos de marca.

vs. Open Food Facts

Open Food Facts es una base de datos colaborativa con más de 3 millones de entradas. Tiene una escala impresionante y cubre productos de muchos países. Sin embargo, su naturaleza colaborativa introduce desafíos de calidad de datos:

Dimensión	Open Food Facts	Nutrola Open Dataset
Entradas totales	3M+	500.000+
Calidad de datos	Variable — colaborativa con controles automatizados	Verificada — multifuente, revisada por humanos
Completitud	Muchas entradas sin datos de macros/micros	Todas las entradas tienen datos completos de macros; 90%+ tienen perfiles completos de micros
Tamaños de porción	Inconsistentes, a menudo ausentes	Estandarizados, siempre presentes
Taxonomía de categorías	Etiquetas colaborativas, inconsistentes	Taxonomía jerárquica y curada
Cobertura de nutrientes	Varía ampliamente por entrada	Consistente con 40+ nutrientes en todas las entradas
Formato de datos	Volcado de MongoDB, JSON anidado complejo	CSV y JSON limpios
Licencia	Open Database License (ODbL)	CC BY-SA 4.0

Open Food Facts sobresale en amplitud — si necesitas buscar un producto oscuro específico por código de barras, probablemente lo tengan. El conjunto de datos de Nutrola sobresale en profundidad y consistencia — cada entrada cumple el mismo estándar de calidad, haciéndolo más confiable para análisis cuantitativos donde las lagunas de datos o los errores pueden sesgar los resultados.

Si estás construyendo una aplicación de escáner de códigos de barras y necesitas la máxima cobertura de productos, Open Food Facts es un buen punto de partida. Si estás entrenando un modelo de aprendizaje automático, realizando investigación estadística o construyendo una aplicación donde la precisión nutricional importa, los datos verificados del conjunto de datos de Nutrola te darán una base más sólida.

Primeros pasos

Una vez que hayas descargado el conjunto de datos, aquí hay un ejemplo rápido de cómo cargarlo y explorarlo en Python:

import pandas as pd

# Load the dataset
df = pd.read_csv("nutrola-open-food-dataset-v3.csv")

# Basic overview
print(f"Total entries: {len(df):,}")
print(f"Countries covered: {df['country'].nunique()}")
print(f"Food categories (L1): {df['category_l1'].nunique()}")

# Find high-protein, low-calorie foods
high_protein = df[
    (df["protein_g"] > 20) &
    (df["calories_per_100g"] < 150)
].sort_values("protein_g", ascending=False)

print(high_protein[["food_name", "calories_per_100g", "protein_g"]].head(10))

# Analyze average macros by food category
category_macros = df.groupby("category_l1").agg({
    "calories_per_100g": "mean",
    "protein_g": "mean",
    "fat_total_g": "mean",
    "carbs_total_g": "mean"
}).round(1)

print(category_macros.sort_values("calories_per_100g", ascending=False))

Más ejemplos — incluyendo scripts de R, guías de importación SQL y Jupyter notebooks — están disponibles en el directorio scripts/ del repositorio de GitHub.

Preguntas frecuentes

¿El conjunto de datos es realmente gratis?

Sí. El Nutrola Open Food Nutrition Dataset se publica bajo la licencia CC BY-SA 4.0, que permite el uso comercial y no comercial. Los únicos requisitos son que acredites a Nutrola como fuente y que cualquier conjunto de datos derivado que distribuyas use la misma licencia. No hay claves de API, no hay límites de uso y no se requiere registro para descargar los archivos.

¿Con qué frecuencia se actualiza el conjunto de datos?

Publicamos nuevas versiones trimestralmente. Cada publicación añade nuevas entradas de alimentos, corrige errores identificados desde la versión anterior y actualiza entradas para productos que han sido reformulados. La página de Releases del repositorio de GitHub tiene el historial completo de versiones, y puedes seguir el repositorio para recibir notificaciones cuando se publiquen nuevas versiones.

¿Puedo usar este conjunto de datos para construir una aplicación comercial?

Sí. La licencia CC BY-SA 4.0 permite explícitamente el uso comercial. Puedes usar los datos en una aplicación de pago, un producto SaaS o cualquier otro contexto comercial. Debes incluir la atribución a Nutrola en tu aplicación o documentación, y si distribuyes una versión modificada del conjunto de datos en sí, la versión modificada también debe estar licenciada bajo CC BY-SA 4.0. Usar los datos dentro de tu aplicación (sin redistribuir el conjunto de datos en bruto) no activa el requisito de CompartirIgual.

¿Por qué solo 500.000 entradas cuando la base de datos completa de Nutrola tiene más de 3 millones?

El conjunto de datos abierto contiene entradas que podemos publicar bajo una licencia abierta sin restricciones. Nuestra base de datos completa incluye datos de fuentes propietarias — asociaciones directas con fabricantes, datos de laboratorio licenciados y otras fuentes con limitaciones contractuales en la redistribución. Las 500.000 entradas del conjunto de datos abierto provienen de bases de datos gubernamentales, nuestros propios análisis de laboratorio y envíos comunitarios donde los contribuyentes aceptaron la licencia abierta. Si necesitas acceso a la base de datos completa, nuestra Nutrition Data API lo proporciona bajo términos comerciales separados.

¿Qué debo hacer si encuentro un error en el conjunto de datos?

Abre un issue en el repositorio de GitHub con el food_id de la entrada afectada y una descripción del error. Incluye un enlace de fuente si lo tienes (p. ej., un sitio web del fabricante que muestre datos nutricionales diferentes). Nuestro equipo de datos revisa los problemas reportados semanalmente, y las correcciones confirmadas se incluyen en la próxima publicación trimestral. Para correcciones urgentes, podemos publicar una versión de parche entre las actualizaciones trimestrales.

¿Cómo se relaciona esto con la Nutrola Nutrition Data API?

El conjunto de datos abierto es una instantánea trimestral estática de un subconjunto curado de nuestra base de datos. La API proporciona acceso en tiempo real a la base de datos completa con más de 3 millones de entradas con búsqueda, filtrado, búsqueda por código de barras y otras funciones. Piensa en el conjunto de datos abierto como la base para casos de uso offline o por lotes, y en la API como la solución para aplicaciones de producción que necesitan datos en vivo. Muchos desarrolladores comienzan con el conjunto de datos abierto para prototipos y migran a la API cuando pasan a producción.