Nutrola Open Food Nutrition Dataset: 500K+ Matvarer Tilgjengelig for Nedlasting

God ernæringsdata er vanskelig å finne. Forskere bruker uker på å rense offentlige databaser. Utviklere lager skript som ofte bryter sammen. Studenter som skriver oppgaver må nøye seg med små, utdaterte utvalg fordi det å sette sammen et omfattende datasett fra bunnen av ikke er realistisk innenfor en akademisk tidsramme.

Vi bygde Nutrola's matdatabase for å støtte vår kaloritracking-app, og i løpet av de siste tre årene har vi investert betydelig i å gjøre dataene nøyaktige, omfattende og godt strukturerte. I dag lanserer vi et kuratert delsett av denne databasen som et åpent datasett: over 500 000 verifiserte matoppføringer tilgjengelig for gratis nedlasting i CSV- og JSON-formater.

Dette innlegget dekker alt du trenger å vite om datasettet — hva det inneholder, hvordan du laster det ned, skjemaet, lisensiering, kvalitetsmetodikk, og hvordan det sammenlignes med andre offentlig tilgjengelige ernæringsdatakilder.

Hva Inneholder Datasettet

Nutrola Open Food Nutrition Dataset inneholder over 500 000 matoppføringer som spenner over rå ingredienser, generiske matvarer, merkede forbruksprodukter og vanlige restaurantretter. Hver oppføring har blitt verifisert gjennom vår flerlagede kvalitetskontrollprosess, det samme systemet som er beskrevet i detalj i vårt innlegg om hvordan vi bygde vår matdatabase.

Hver matoppføring inkluderer følgende datapunkter:

• Matnavn — det vanlige navnet på matvaren på engelsk, med merkenavn der det er aktuelt
• Kalorier — energiinnhold i kilokalorier (kcal) per 100 gram og per servering
• Makronæringsstoffer — protein, totalt fett, mettet fett, trans fett, totalt karbohydrater, kostfiber, totalt sukker og tilsatt sukker, alle i gram
• Mikronæringsstoffer — 30+ vitaminer og mineraler inkludert vitamin A, vitamin C, vitamin D, vitamin E, vitamin K, tiamin, riboflavin, niacin, vitamin B6, folat, vitamin B12, kalsium, jern, magnesium, fosfor, kalium, natrium, sink, kobber, mangan, selen, og mer
• Serveringsstørrelser — beskrivelse av standard serveringsstørrelse (f.eks. "1 middels eple," "1 kopp kokt"), serveringsvekt i gram, og opptil tre alternative serveringsstørrelser per matvare
• Matkategori — hierarkisk klassifisering ved hjelp av vår interne taksonomi (f.eks. Melk > Ost > Hard Ost)
• Opprinnelsesland — det primære landet eller regionen hvor matproduktet selges eller ingrediensen vanligvis konsumeres
• Strekkode (hvor tilgjengelig) — UPC eller EAN-koder for merkede produkter
• Datakildemerker — opprinnelsesindikatorer som viser om oppføringen stammer fra offentlige databaser, produsentdata, laboratorieanalyser, eller vårt interne verifikasjonsteam

Eksempeldata

Her er et utvalg oppføringer fra datasettet for å gi deg en følelse av strukturen og detaljene:

food_id	food_name	category	country	calories_per_100g	protein_g	fat_g	carbs_g	fiber_g	serving_desc	serving_g
NF-001247	Kyllingbryst, Rå, Uten Skinn	Fjærfe > Kylling	US	120	22.5	2.6	0.0	0.0	1 bryst (174g)	174
NF-008391	Fage Total 0% Gresk Yoghurt	Meieriprodukter > Yoghurt > Gresk	GR	54	10.3	0.0	3.0	0.0	1 beholder (150g)	150
NF-014205	Basmati Ris, Hvit, Kokt	Korn > Ris	IN	130	2.7	0.3	28.2	0.4	1 kopp (158g)	158
NF-022876	Avokado, Hass, Rå	Frukt > Tropisk	MX	160	2.0	14.7	8.5	6.7	1/2 avokado (68g)	68
NF-031560	Barilla Penne Rigate, Tørr	Pasta > Tørr	IT	359	12.5	2.0	71.2	3.0	2 oz (56g)	56
NF-045892	Kimchi, Tradisjonell Napa Kål	Grønnsaker > Fermentert	KR	15	1.1	0.5	2.4	1.6	1/2 kopp (75g)	75
NF-053714	Laks, Atlanterhavslaks, Rå, Oppdrettet	Fisk > Laks	NO	208	20.4	13.4	0.0	0.0	1 filet (113g)	113
NF-067283	Kikerter, Hermetiske, Avrent	Belgfrukter > Bønner	US	119	6.3	2.0	18.2	5.4	1/2 kopp (120g)	120

Det fullstendige datasettet inkluderer mange flere kolonner for mikronæringsstoffer, alternative serveringsstørrelser, strekkodedata og kildemerker. Tabellen ovenfor viser de viktigste ernæringsfeltene.

Dataformater

Datasettet er tilgjengelig i to formater:

CSV

CSV-filen bruker UTF-8-koding med komma som avgrensere. Den første raden inneholder kolonneoverskrifter. Felter som inneholder komma er omsluttet av doble anførselstegn. Nullverdier representeres som tomme felt.

CSV-formatet er ideelt for regnearkverktøy som Excel og Google Sheets, statistisk programvare som R og SPSS, og rask datautforskning med kommandolinjeverktøy som csvkit eller xsv.

Fil: nutrola-open-food-dataset-v3.csv (omtrent 210 MB ukomprimert, 48 MB gzippet)

JSON

JSON-filen inneholder et array av objekter, ett per matoppføring. Nestede objekter brukes for strukturerte felt som serveringsstørrelser (som inneholder en beskrivelse, gramvekt og milliliter ekvivalent der det er aktuelt) og mikronæringsprofiler.

JSON-formatet er bedre egnet for applikasjonsutvikling, databaseimport og enhver arbeidsflyt der du trenger å bevare den hierarkiske strukturen av serveringsstørrelser og næringsgrupper.

Fil: nutrola-open-food-dataset-v3.json (omtrent 340 MB ukomprimert, 62 MB gzippet)

Begge filene er også tilgjengelige som gzip-komprimerte arkiver for å redusere nedlastingstider.

Dataschema

Her er det fullstendige skjemaet med beskrivelser for hvert felt i datasettet:

Felt Navn	Type	Beskrivelse
food_id	string	Unik Nutrola-identifikator for matoppføringen (format: NF-XXXXXX)
food_name	string	Vanlig navn på maten, inkludert merke der det er aktuelt
category_l1	string	Toppnivå matkategori (f.eks. Meieriprodukter, Korn, Frukt)
category_l2	string	Andre nivå kategori (f.eks. Ost, Ris, Tropisk)
category_l3	string	Tredje nivå kategori der det er aktuelt (f.eks. Hard Ost, Brun Ris)
country	string	ISO 3166-1 alpha-2 landskode som indikerer primærmarked
brand	string	Merkenavn for merkede produkter; null for generiske matvarer
barcode	string	UPC/EAN strekkode; null hvis ikke aktuelt
calories_per_100g	float	Energi i kcal per 100 gram
protein_g	float	Protein i gram per 100g
fat_total_g	float	Totalt fett i gram per 100g
fat_saturated_g	float	Mettet fett i gram per 100g
fat_trans_g	float	Trans fett i gram per 100g
carbs_total_g	float	Totalt karbohydrater i gram per 100g
fiber_g	float	Kostfiber i gram per 100g
sugars_total_g	float	Totalt sukker i gram per 100g
sugars_added_g	float	Tilsatt sukker i gram per 100g
sodium_mg	float	Natrium i milligram per 100g
cholesterol_mg	float	Kolesterol i milligram per 100g
vitamin_a_mcg	float	Vitamin A i mikrogram RAE per 100g
vitamin_c_mg	float	Vitamin C i milligram per 100g
vitamin_d_mcg	float	Vitamin D i mikrogram per 100g
calcium_mg	float	Kalsium i milligram per 100g
iron_mg	float	Jern i milligram per 100g
potassium_mg	float	Kalium i milligram per 100g
magnesium_mg	float	Magnesium i milligram per 100g
zinc_mg	float	Sink i milligram per 100g
phosphorus_mg	float	Fosfor i milligram per 100g
selenium_mcg	float	Selen i mikrogram per 100g
vitamin_b6_mg	float	Vitamin B6 i milligram per 100g
vitamin_b12_mcg	float	Vitamin B12 i mikrogram per 100g
folate_mcg	float	Folat i mikrogram DFE per 100g
vitamin_e_mg	float	Vitamin E i milligram per 100g
vitamin_k_mcg	float	Vitamin K i mikrogram per 100g
thiamin_mg	float	Tiamin (B1) i milligram per 100g
riboflavin_mg	float	Riboflavin (B2) i milligram per 100g
niacin_mg	float	Niacin (B3) i milligram per 100g
copper_mg	float	Kobber i milligram per 100g
manganese_mg	float	Mangan i milligram per 100g
serving_1_desc	string	Beskrivelse av primær serveringsstørrelse (f.eks. "1 kopp kokt")
serving_1_g	float	Primær serveringsstørrelse vekt i gram
serving_2_desc	string	Beskrivelse av alternativ serveringsstørrelse; null hvis ikke tilgjengelig
serving_2_g	float	Alternativ serveringsstørrelse vekt i gram
serving_3_desc	string	Beskrivelse av andre alternativ serveringsstørrelse; null hvis ikke tilgjengelig
serving_3_g	float	Andre alternativ serveringsstørrelse vekt i gram
data_source	string	Proveniensmerke: "government", "manufacturer", "laboratory", eller "verified_community"
last_verified	string	ISO 8601 dato når oppføringen sist ble verifisert (YYYY-MM-DD)
dataset_version	string	Datasettversjonsidentifikator (f.eks. "v3.0")

Alle næringsverdier er uttrykt per 100 gram for å tillate konsistente sammenligninger. For å beregne næringsinnhold per servering, multipliser verdien per 100g med serveringsvekten i gram og del på 100.

Hvordan Laste Ned

Datasettet er vert på vårt offentlige GitHub-repositorium:

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

Du kan laste ned filene direkte fra GitHub Releases-siden, eller klone repositoriet:

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

For de komprimerte versjonene:

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

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

Repositoriet inneholder også:

• En detaljert README.md med hurtigstartinstruksjoner
• En CHANGELOG.md som dokumenterer endringer mellom datasettversjoner
• En scripts/-mappe med Python- og R-eksempler for lasting, filtrering og analyse av dataene
• En schema/-mappe med JSON-skjema og CSV-dialektdefinisjoner

Hvis du trenger det fullstendige datasettet med over 3 millioner oppføringer med sanntidsoppdateringer i stedet for periodiske øyeblikksbilder, se vår Nutrition Data API for utviklertilgang.

Bruksområder

Akademisk Forskning

Ernæringsforskere kan bruke datasettet til analyse av kostholdsmønstre, epidemiologisk modellering og studier av næringstetthet uten å bruke uker på å rense og slå sammen offentlige datafiler. Det hierarkiske kategorisystemet gjør det enkelt å filtrere etter matgrupper, og feltet for land muliggjør tverrkulturelle sammenligninger.

Publisert forskning som bruker datasettet bør sitere det som: Nutrola Open Food Nutrition Dataset, v3.0 (2026). Tilgjengelig på github.com/nutrola/open-food-nutrition-dataset. Lisensiert under CC BY-SA 4.0.

Applikasjonsutvikling

Utviklere som bygger helse-, trenings- eller matrelaterte applikasjoner kan bruke datasettet som en lokal matdatabase. Den konsistente skjemaet og serveringsstørrelsesdataene betyr at du kan bygge en funksjon for matlogging uten å være avhengig av en live API-tilkobling. Dette er spesielt nyttig for offline-første mobilapper, prototyper og hackathon-prosjekter.

CSV-formatet lastes direkte inn i SQLite, PostgreSQL eller hvilken som helst relasjonsdatabase. JSON-formatet passer godt til dokumentlagre som MongoDB eller Firestore.

Data Science og Maskinlæring

Datasettet er godt egnet for trening og evaluering av maskinlæringsmodeller relatert til mat og ernæring. Vanlige bruksområder inkluderer:

• Matklassifiseringsmodeller — bruk kategorihierarkiet som treningsetiketter for å bygge klassifiseringsmodeller som forutsier matkategorier fra navn eller ernæringsprofiler
• Næringsestimering — tren regresjonsmodeller som forutsier kalori- eller makroinnhold fra delvis informasjon (f.eks. estimere kalorier fra protein-, fett- og karbohydratforhold)
• Anbefalingssystemer — bygg mat-anbefalingsmotorer som foreslår ernæringsmessig like alternativer
• Anomalioppdagelse — identifiser uvanlige ernæringsprofiler som kan indikere datakvalitetsproblemer i andre datasett

Utdanning

Studenter og lærere innen ernæringsvitenskap kan bruke datasettet til kursarbeid, laboratorier og oppgaver. Bredden av dataene — som dekker matvarer fra dusinvis av land og spenner over hver større matgruppe — gjør det nyttig for å undervise i konsepter som makronæringsstoffforhold, mikronæringsstofftetthet, og hvordan ernæringsprofiler varierer på tvers av kjøkken og matbehandlingsnivåer.

Offentlig Helse og Politikk

Offentlige helseorganisasjoner kan bruke dataene til å analysere det ernæringsmessige landskapet for spesifikke matkategorier eller markeder. Feltet for land gjør det mulig å filtrere etter region, og feltet for merke muliggjør analyse av ernæringskvaliteten til merkede vs. generiske matvarer.

Kvalitetsmetodikk for Data

Å gi ut et åpent datasett betyr ingenting hvis dataene ikke er pålitelige. Her er hvordan vi sikrer kvaliteten på de over 500 000 oppføringene i denne utgivelsen.

Verifisering fra Flere Kilder

Hver oppføring i datasettet har blitt verifisert mot minst to uavhengige kilder. Våre primære datakilder inkluderer:

• Offentlige ernæringsdatabaser — USDA FoodData Central (USA), CoFID (Storbritannia), NUTTAB (Australia), CNF (Canada), og tilsvarende databaser fra 20+ land
• Produsentleverte data — næringsinnholdsopplysninger sendt direkte av matprodusenter gjennom vårt merkevarepartnerskapsprogram
• Laboratorieanalyse — uavhengig laboratorietesting utført av vårt team for høyvolum matvarer der kildeopplysningene er motstridende eller utdaterte
• Verifiserte samfunnsinnsendelser — brukerinnsendte oppføringer som har bestått vår tretrinns verifikasjonsprosess (automatisert kryssreferanse, ekspertvurdering, og statistisk avvikdeteksjon)

Automatiserte Kvalitetskontroller

Hver oppføring går gjennom en rekke automatiserte kontroller før den går inn i datasettet:

• Energibalansevalidering — kaloriinnholdet kryssjekkes mot Atwater-beregningen (4 kcal/g protein + 9 kcal/g fett + 4 kcal/g karbohydrat). Oppføringer der de oppgitte kaloriene avviker fra den beregnede verdien med mer enn 10% blir flagget for manuell gjennomgang.
• Områdekontroller — hver næringsverdi valideres mot fysiologisk plausible områder for matkategorien. En ostoppføring som hevder 0 gram fett eller en fruktoppføring som hevder 50 gram protein blir umiddelbart flagget.
• Kryssoppføringskonsistens — lignende matvarer sammenlignes statistisk. Hvis en ny kyllingbrystoppføring har betydelig forskjellige verdier fra den eksisterende klyngen av kyllingbrystoppføringer, holdes den for vurdering.
• Serveringsstørrelsesvalidering — serveringsvekter sjekkes mot kjente standard porsjoner. En "1 middels eple" som hevder å veie 500 gram går ikke gjennom.

Menneskelig Gjennomgang

Oppføringer flagget av automatiserte kontroller går gjennom manuell vurdering av vårt datateam, som inkluderer kvalifiserte ernæringsfysiologer og matforskere. Omtrent 12% av oppføringene krever en form for manuell korreksjon før de blir godkjent.

Løpende Vedlikehold

Datasettet er ikke et engangsdump. Vi re-verifiserer oppføringer på en rullerende basis, med prioritet til høyvolum matvarer (de som oftest logges av Nutrola-brukere) og oppføringer hvis kildeopplysninger har blitt oppdatert. Når en matprodusent reformulerer et produkt, fanger vi endringen gjennom vårt strekkodeovervåkingssystem og oppdaterer oppføringen deretter.

Oppdateringsfrekvens

Vi publiserer nye versjoner av det åpne datasettet kvartalsvis. Hver utgivelse inkluderer:

• Nye matoppføringer lagt til siden forrige versjon
• Korrigeringer av eksisterende oppføringer identifisert gjennom vår kvalitetsmonitorering
• Oppdaterte ernæringsdata for reformulerte produkter
• Utvidet dekning av mikronæringsstoffer der nye kildeopplysninger blir tilgjengelige

Den nåværende versjonen er v3.0, utgitt i mars 2026. Versjonshistorikk og endringslogger er tilgjengelige i GitHub-repositoriet.

Hvis du trenger data som oppdateres hyppigere enn kvartalsvis, gjenspeiler vår Nutrition Data API endringer innen 48 timer.

Lisens

Nutrola Open Food Nutrition Dataset er utgitt under Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) lisensen.

Dette betyr at du har rett til å:

• Dele — kopiere og redistribuere datasettet i ethvert medium eller format
• Tilpasse — remikse, transformere og bygge videre på datasettet for ethvert formål, inkludert kommersiell bruk

Under følgende vilkår:

• Attribusjon — du må gi passende kreditt til Nutrola, gi en lenke til lisensen, og indikere om endringer ble gjort
• Del på samme vilkår — hvis du remikser, transformerer eller bygger videre på datasettet, må du distribuere dine bidrag under den samme CC BY-SA 4.0-lisensen

Vi valgte CC BY-SA 4.0 fordi det gir en god balanse mellom åpenhet og å sikre at forbedringer kommer tilbake til fellesskapet. Hvis du bygger en bedre versjon av disse dataene, sikrer lisensen at forbedringene dine forblir tilgjengelige for alle andre også.

Hvordan Det Sammenlignes med Andre Datasett

Det finnes flere offentlig tilgjengelige ernæringsdatasett. Her er hvordan Nutrola Open Food Nutrition Dataset sammenlignes med de to mest brukte alternativene.

vs. USDA FoodData Central

USDA FoodData Central er gullstandarden for ernæringsdata i USA. Den er grundig, godt dokumentert, og støttet av laboratorieanalyse. Imidlertid har den begrensninger som Nutrola-datasettet adresserer:

Dimensjon	USDA FoodData Central	Nutrola Open Dataset
Totalt antall oppføringer	~400 000 (Foundation, SR Legacy, Branded kombinert)	500 000+
Geografisk dekning	Primært USA	47 land
Merkede produkter	Kun amerikanske merker, ofte utdaterte	Internasjonale merker, verifisert kvartalsvis
Dataformat	Flere inkompatible filformater, kompleks relasjonsstruktur	Enkelt CSV eller JSON-fil, flat struktur
Serveringsstørrelser	Inkonsistente på tvers av underdatabaser	Standardisert format med opptil 3 serveringer per matvare
Brukervennlighet	Krever betydelig datateknikk for å slå sammen underdatabaser	Last ned én fil og begynn å jobbe
Oppdateringsfrekvens	Varierer etter underdatabase (årlig for noen)	Kvartalsvis

Hvis arbeidet ditt er fokusert utelukkende på amerikanske matvarer og du trenger den dypeste mulige næringsprofilen (USDA dekker 150+ næringsstoffer for Foundation-matvarer), er FoodData Central det bedre valget. Hvis du trenger internasjonal dekning, konsistent formatering, og et datasett som fungerer umiddelbart, er Nutrola-datasettet det sterkere alternativet.

De to datasettene er komplementære. Mange forskere bruker USDA Foundation-data for detaljert amerikansk næringsanalyse og supplerer med Nutrola-data for internasjonal dekning og merkede produkter.

vs. Open Food Facts

Open Food Facts er en crowdsourcet database med over 3 millioner oppføringer. Den har imponerende skala og dekker produkter fra mange land. Imidlertid introduserer dens crowdsourcet natur datakvalitetsutfordringer:

Dimensjon	Open Food Facts	Nutrola Open Dataset
Totalt antall oppføringer	3M+	500 000+
Datakvalitet	Variabel — crowdsourcet med automatiserte kontroller	Verifisert — fler-kilde, menneskelig vurdert
Fullstendighet	Mange oppføringer mangler makro/mikrodata	Alle oppføringer har fullstendig makrodata; 90%+ har full mikroprofiler
Serveringsstørrelser	Inkonsistente, ofte manglende	Standardisert, alltid til stede
Kategoritaksonomi	Crowdsourcet merker, inkonsistent	Hierarkisk, kuratert taksonomi
Næringsdekning	Varierer mye per oppføring	Konsistent 40+ næringsstoffer på tvers av alle oppføringer
Dataformat	MongoDB dump, kompleks nestet JSON	Ren CSV og JSON
Lisens	Open Database License (ODbL)	CC BY-SA 4.0

Open Food Facts utmerker seg i bredde — hvis du trenger å se opp et spesifikt obskurt produkt etter strekkode, har de sannsynligvis det. Nutrola-datasettet utmerker seg i dybde og konsistens — hver oppføring møter det samme kvalitetsnivået, noe som gjør det mer pålitelig for kvantitativ analyse der datagap eller feil kan skjevfordele resultater.

Hvis du bygger en strekkodeskanner-app og trenger maksimal produktdekning, er Open Food Facts et godt utgangspunkt. Hvis du trener en maskinlæringsmodell, gjennomfører statistisk forskning, eller bygger en app der ernæringsnøyaktighet er viktig, vil Nutrola-datasettets verifiserte data gi deg et sterkere grunnlag.

Komme i Gang

Når du har lastet ned datasettet, her er et raskt eksempel på lasting og utforsking i Python:

import pandas as pd

# Last inn datasettet
df = pd.read_csv("nutrola-open-food-dataset-v3.csv")

# Grunnleggende oversikt
print(f"Totalt antall oppføringer: {len(df):,}")
print(f"Land dekket: {df['country'].nunique()}")
print(f"Matkategorier (L1): {df['category_l1'].nunique()}")

# Finn høyprotein, lavkalori matvarer
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))

# Analyser gjennomsnittlige makroer etter matkategori
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))

Flere eksempler — inkludert R-skript, SQL-importveiledninger, og Jupyter-notatbøker — er tilgjengelige i scripts/-mappen i GitHub-repositoriet.

Ofte Stilte Spørsmål

Er datasettet virkelig gratis å bruke?

Ja. Nutrola Open Food Nutrition Dataset er utgitt under CC BY-SA 4.0-lisensen, som tillater kommersiell og ikke-kommersiell bruk. De eneste kravene er at du krediterer Nutrola som kilde og at eventuelle avledede datasett du distribuerer bruker samme lisens. Det er ingen API-nøkler, ingen bruksbegrensninger, og ingen registrering kreves for å laste ned filene.

Hvor ofte oppdateres datasettet?

Vi publiserer nye versjoner kvartalsvis. Hver utgivelse legger til nye matoppføringer, korrigerer eventuelle feil identifisert siden forrige versjon, og oppdaterer oppføringer for produkter som har blitt reformulert. GitHub-repositoriets Releases-side har full versjonshistorikk, og du kan følge repositoriet for å bli varslet når nye versjoner publiseres.

Kan jeg bruke dette datasettet til å bygge en kommersiell app?

Ja. CC BY-SA 4.0-lisensen tillater eksplisitt kommersiell bruk. Du kan bruke dataene i en betalt app, et SaaS-produkt, eller i enhver annen kommersiell sammenheng. Du må inkludere attribusjon til Nutrola i appen eller dokumentasjonen din, og hvis du distribuerer en modifisert versjon av datasettet selv, må den modifiserte versjonen også lisensieres under CC BY-SA 4.0. Å bruke dataene i appen din (uten å redistribuere det rå datasettet) utløser ikke ShareAlike-kravet.

Hvorfor bare 500K oppføringer når Nutrola's fulle database har 3 millioner+?

Det åpne datasettet inneholder oppføringer som vi kan gi ut under en åpen lisens uten restriksjoner. Vår fulle database inkluderer data fra proprietære kilder — direkte produsentpartnerskap, lisensierte laboratoriedata, og andre kilder med kontraktsmessige begrensninger på redistribusjon. De 500K oppføringene i det åpne datasettet kommer fra offentlige databaser, vår egen laboratorieanalyse, og samfunnsinnsendelser der bidragsyterne har samtykket til å bruke åpen lisens. Hvis du trenger tilgang til den fulle databasen, gir vår Nutrition Data API den under separate kommersielle vilkår.

Hva skal jeg gjøre hvis jeg finner en feil i datasettet?

Åpne en sak på GitHub-repositoriet med food_id til den berørte oppføringen og en beskrivelse av feilen. Inkluder en kildehenvisning hvis du har en (f.eks. en produsents nettsted som viser forskjellige næringsfakta). Vårt datateam vurderer rapporterte problemer ukentlig, og bekreftede korrigeringer inkluderes i neste kvartalsvise utgivelse. For presserende korrigeringer kan vi utgi en patch-release mellom kvartalsoppdateringene.

Hvordan forholder dette seg til Nutrola Nutrition Data API?

Det åpne datasettet er et statisk kvartalsvis øyeblikksbilde av et kuratert delsett av databasen vår. API-en gir sanntidstilgang til den fulle databasen med over 3 millioner oppføringer med søk, filtrering, strekkodeoppslag og andre funksjoner. Tenk på det åpne datasettet som grunnlaget for offline- eller batch-bruksområder, og API-en som løsningen for produksjonsapplikasjoner som trenger live data. Mange utviklere begynner med det åpne datasettet for prototyping og migrerer til API-en når de går til produksjon.