标题：全球美食与环境健康数据集
数据来源：互联网公开数据
数据内容：该数据集包含了全球范围内的食谱信息以及相关的环境健康数据。具体包括以下字段：
- Recipe_ID：食谱的唯一标识，共有500种不同的值。
- Cuisine：菜系类型，共有9种不同的值。
- Ingredients：食材信息，共有500种不同的值。
- Category：食谱分类，共有5种不同的值。
- Cooking_Time：烹饪时间，共有111种不同的值。
- Difficulty：难度等级，共有3种不同的值。
- Cooking_Method：烹饪方法，共有8种不同的值。
- Serving_Size：份量大小，共有6种不同的值。
- Temperature：温度信息，共有362种不同的值。
- Humidity：湿度信息，共有723种不同的值。
- PM2.5：细颗粒物浓度，共有815种不同的值。
- PM10：可吸入颗粒物浓度，共有955种不同的值。
- NO2：二氧化氮浓度，共有445种不同的值。
- SO2：二氧化硫浓度，共有348种不同的值。
- CO：一氧化碳浓度，共有265种不同的值。
- Proximity_to_Industrial_Areas：靠近工业区的程度，共有179种不同的值。
- Population_Density：人口密度，共有683种不同的值。
- Air Quality：空气质量，共有4种不同的值。
统计信息分析：
- 食谱信息方面，该数据集涵盖了多种菜系类型和烹饪方法，能够为食品行业提供丰富的食谱资源。
- 环境健康数据方面，该数据集包含了多种空气污染物浓度和环境因素数据，能够为环境健康研究提供支持。
- 数据集中的温度、湿度、人口密度等字段，能够为烹饪环境和社区健康研究提供参考。
数据用途：
该数据集可以应用于以下行业和问题：
- 食品与餐饮业：用于菜品研发、食谱推荐、烹饪方法优化等。
- 环境与健康领域：用于研究空气污染对饮食健康的影响、评估烹饪环境的健康风险等。
- 智慧城市领域：用于分析人口密度与烹饪方式的关系、优化社区规划等。
- 数据分析与机器学习：用于构建食谱推荐模型、环境健康预测模型等。
标签：食谱, 环境健康, 饮食文化, 烹饪方法, 空气质量, 工业区影响, 人口密度, 温度, 湿度, PM2.5, PM10, NO2, SO2, CO
行业分类：食品与餐饮, 环境与健康, 智慧城市, 数据分析与机器学习
