five

awesome-public-datasets|公开数据集数据集|数据资源数据集

收藏
github2023-09-16 更新2024-05-31 收录
下载链接：
https://github.com/syeddanish41/awesome-public-datasets
下载链接
链接失效反馈
资源简介：
一个包含高质量公开数据集的列表，涵盖多个领域，如农业、生物学等，供所有人使用。

A list of high-quality public datasets covering multiple fields such as agriculture, biology, etc., available for everyone to use.
创建时间：
2016-12-07
原始信息汇总

数据集概述

农业

  • U.S. Department of Agricultures PLANTS Database
    • 链接: http://www.plants.usda.gov/dl_all.html

生物学

  • 1000 Genomes
    • 链接: http://www.1000genomes.org/data
  • American Gut (Microbiome Project)
    • 链接: https://github.com/biocore/American-Gut
  • Broad Cancer Cell Line Encyclopedia (CCLE)
    • 链接: http://www.broadinstitute.org/ccle/home
  • Broad Bioimage Benchmark Collection (BBBC)
    • 链接: https://www.broadinstitute.org/bbbc
  • Cell Image Library
    • 链接: http://www.cellimagelibrary.org
  • Complete Genomics Public Data
    • 链接: http://www.completegenomics.com/public-data/69-genomes/
  • EBI ArrayExpress
    • 链接: http://www.ebi.ac.uk/arrayexpress/
  • EBI Protein Data Bank in Europe
    • 链接: http://www.ebi.ac.uk/pdbe/emdb/index.html/
  • Electron Microscopy Pilot Image Archive (EMPIAR)
    • 链接: http://www.ebi.ac.uk/pdbe/emdb/empiar/
  • ENCODE project
    • 链接: https://www.encodeproject.org
  • Ensembl Genomes
    • 链接: http://ensemblgenomes.org/info/genomes
  • Gene Expression Omnibus (GEO)
    • 链接: http://www.ncbi.nlm.nih.gov/geo/
  • Gene Ontology (GO)
    • 链接: http://geneontology.org/page/download-annotations
  • Global Biotic Interactions (GloBI)
    • 链接: https://github.com/jhpoelen/eol-globi-data/wiki#accessing-species-interaction-data
  • Harvard Medical School (HMS) LINCS Project
    • 链接: http://lincs.hms.harvard.edu
  • Human Genome Diversity Project
    • 链接: http://www.hagsc.org/hgdp/files.html
  • Human Microbiome Project (HMP)
    • 链接: http://www.hmpdacc.org/reference_genomes/reference_genomes.php
  • ICOS PSP Benchmark
    • 链接: http://ico2s.org/datasets/psp_benchmark.html
  • International HapMap Project
    • 链接: http://hapmap.ncbi.nlm.nih.gov/downloads/index.html.en
  • Journal of Cell Biology DataViewer
    • 链接: http://jcb-dataviewer.rupress.org
  • MIT Cancer Genomics Data
    • 链接: http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi
  • NCBI Proteins
    • 链接: http://www.ncbi.nlm.nih.gov/guide/proteins/#databases
  • NCBI Taxonomy
    • 链接: http://www.ncbi.nlm.nih.gov/taxonomy
  • NIH Microarray data
    • 链接: http://bit.do/VVW6 或 FTP链接 (见RAW链接)
  • OpenSNP genotypes data
    • 链接: https://opensnp.org/
  • Pathguid - Protein-Protein Interactions Catalog
    • 链接: http://www.pathguide.org/
  • Protein Data Bank
    • 链接: http://www.rcsb.org/
  • Psychiatric Genomics Consortium
    • 链接: https://www.med.unc.edu/pgc/downloads
  • PubChem Project
    • 链接: https://pubchem.ncbi.nlm.nih.gov/
  • PubGene (now Coremine Medical)
    • 链接: http://www.pubgene.org/
  • Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
    • 链接: http://cancer.sanger.ac.uk/cosmic
  • Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
    • 链接: http://www.cancerrxgene.org/
  • Sequence Read Archive(SRA)
    • 链接: http://www.ncbi.nlm.nih.gov/Traces/sra/
  • Stanford Microarray Data
    • 链接: http://smd.stanford.edu/
  • Stowers Institute Original Data Repository
    • 链接: http://www.stowers.org/research/publications/odr
  • Systems Science of Biological Dynamics (SSBD) Database
    • 链接: http://ssbd.qbic.riken.jp
  • The Cancer Genome Atlas (TCGA), available via Broad GDAC
    • 链接: https://gdac.broadinstitute.org/
  • The Catalogue of Life
    • 链接: http://www.catalogueoflife.org/content/annual-checklist-archive
  • The Personal Genome Project
    • 链接: http://www.personalgenomes.org/ 或 PGP链接
  • UCSC Public Data
    • 链接: http://hgdownload.soe.ucsc.edu/downloads.html
  • Universal Protein Resource (UnitProt)
    • 链接: http://www.uniprot.org/downloads
  • UniGene
    • 链接: http://www.ncbi.nlm.nih.gov/unigene

气候/天气

  • Australian Weather
    • 链接: http://www.bom.gov.au/climate/dwo/
  • Aviation Weather Center - Consistent, timely and accurate weather information for the world airspace system
    • 链接: https://aviationweather.gov/adds/dataserver
  • Brazilian Weather - Historical data (In Portuguese)
    • 链接: http://sinda.crn2.inpe.br/PCD/SITE/novo/site/
  • Canadian Meteorological Centre
    • 链接: http://weather.gc.ca/grib/index_e.html
  • Climate Data from UEA (updated monthly)
    • 链接: https://crudata.uea.ac.uk/cru/data/temperature/ 和 ftp://ftp.cmdl.noaa.gov/
  • European Climate Assessment & Dataset
    • 链接: http://eca.knmi.nl/
  • Global Climate Data Since 1929
    • 链接: http://en.tutiempo.net/climate
  • NASA Global Imagery Browse Services
    • 链接: https://wiki.earthdata.nasa.gov/display/GIBS
  • NOAA Bering Sea Climate
    • 链接: http://www.beringclimate.noaa.gov/
  • NOAA Climate Datasets
    • 链接: http://www.ncdc.noaa.gov/data-access/quick-links
  • NOAA Realtime Weather Models
    • 链接: http://www.ncdc.noaa.gov/data-access/model-data/model-datasets/numerical-weather-prediction
  • The World Bank Open Data Resources for Climate Change
    • 链接: http://data.worldbank.org/developers/climate-data-api
  • UEA Climatic Research Unit
    • 链接: http://www.cru.uea.ac.uk/data
  • WorldClim - Global Climate Data
    • 链接: http://www.worldclim.org
  • WU Historical Weather Worldwide
    • 链接: https://www.wunderground.com/history/index.html

复杂网络

  • AMiner Citation Network Dataset
    • 链接: http://aminer.org/citation
  • CrossRef DOI URLs
    • 链接: https://archive.org/details/doi-urls
  • DBLP Citation dataset
    • 链接: https://kdl.cs.umass.edu/display/public/DBLP
  • NBER Patent Citations
    • 链接: http://nber.org/patents/
  • Network Repository with Interactive Exploratory Analysis Tools
    • 链接: http://networkrepository.com/
  • NIST complex networks data collection
    • 链接: http://math.nist.gov/~RPozo/complex_datasets.html
  • Protein-protein interaction network
    • 链接: http://vlado.fmf.uni-lj.si/pub/networks/data/bio/Yeast/Yeast.htm
  • PyPI and Maven Dependency Network
    • 链接: https://ogirardot.wordpress.com/2013/01/31/sharing-pypimaven-dependency-data/
  • Scopus Citation Database
    • 链接: https://www.elsevier.com/solutions/scopus
  • Small Network Data
    • 链接: http://www-personal.umich.edu/~mejn/netdata/
  • Stanford GraphBase (Steven Skiena)
    • 链接: http://www3.cs.stonybrook.edu/~algorith/implement/graphbase/implement.shtml
  • Stanford Large Network Dataset Collection
    • 链接: http://snap.stanford.edu/data/
  • Stanford Longitudinal Network Data Sources
    • 链接: http://stanford.edu/group/sonia/dataSources/index.html
  • The Koblenz Network Collection
    • 链接: http://konect.uni-koblenz.de/
  • The Laboratory for Web Algorithmics (UNIMI)
    • 链接: http://law.di.unimi.it/datasets.php
  • The Nexus Network Repository
    • 链接: http://nexus.igraph.org/
  • UCI Network Data Repository
    • 链接: https://networkdata.ics.uci.edu/resources.php
  • UFL sparse matrix collection
    • 链接: http://www.cise.ufl.edu/research/sparse/matrices/
  • WSU Graph Database
    • 链接: http://www.eecs.wsu.edu/mgd/gdb.html
  • DIMACS Road Networks Collection
    • 链接: http://www.dis.uniroma1.it/challenge9/download.shtml

计算机网络

  • 3.5B Web Pages from CommonCraw 2012
    • 链接: http://www.bigdatanews.com/profiles/blogs/big-data-set-3-5-billion-web-pages-made-available-for-all-of-us
  • 53.5B Web clicks of 100K users in Indiana Univ.
    • 链接: http://cnets.indiana.edu/groups/nan/webtraffic/click-dataset/
  • CAIDA Internet Datasets
    • 链接: http://www.caida.org/data/overview/
  • ClueWeb09 - 1B web pages
    • 链接: http://lemurproject.org/clueweb09/
  • ClueWeb12 - 733M web pages
    • 链接: http://lemurproject.org/clueweb12/
  • CommonCrawl Web Data over 7 years
    • 链接: http://commoncrawl.org/the-data/get-started/
  • CRAWDAD Wireless datasets from Dartmouth Univ.
    • 链接: https://crawdad.cs.dartmouth.edu/
  • Criteo click-through data
    • 链接: http://labs.criteo.com/2015/03/criteo-releases-its-new-dataset/
  • Open Mobile Data by MobiPerf
    • 链接: https://console.developers.google.com/storage/openmobiledata_public/
  • Rapid7 Sonar Internet Scans
    • 链接: https://sonar.labs.rapid7.com/
  • UCSD Network Telescope, IPv4 /8 net
    • 链接: http://www.caida.org/projects/network_telescope/

上下文数据

  • Context-aware data sets from five domains
    • 链接: http://students.depaul.edu/~yzheng8/DataSets.html#Data 或 GitHub链接

数据挑战

  • Challenges in Machine Learning
    • 链接: http://www.chalearn.org/
  • CrowdANALYTIX dataX
    • 链接: http://data.crowdanalytix.com/
  • D4D Challenge of Orange
    • 链接: http://www.d4d.orange.com/en/home
  • DrivenData Competitions for Social Good
    • 链接: http://www.drivendata.org/
  • ICWSM Data Challenge (since 2009)
    • 链接: http://icwsm.cs.umbc.edu/
  • Kaggle Competition Data
    • 链接: https://www.kaggle.com/
  • KDD Cup by Tencent 2012
    • 链接: http://www.kddcup2012.org/
  • Localytics Data Visualization Challenge
    • 链接: https://github.com/localytics/data-viz-challenge
  • Netflix Prize
    • 链接: http://netflixprize.com/leaderboard.html
  • Space Apps Challenge
    • 链接: https://2015.spaceappschallenge.org/
  • Telecom Italia Big Data Challenge
    • 链接: https://dandelion.eu/datamine/open-big-data/
  • Yelp Dataset Challenge
    • 链接: http://www.yelp.com/dataset_challenge
  • Bruteforce Database
    • 链接: https://github.com/duyetdev/bruteforce-database

地球科学

  • AQUASTAT - Global water resources and uses
    • 链接: http://www.fao.org/nr/water/aquastat/data/query/index.html?lang=en
  • BODC - marine data of ~22K vars
    • 链接: http://www.bodc.ac.uk/data/where_to_find_data/
  • Earth Models
    • 链接: http://www.earthmodels.org/
  • EOSDIS - NASAs earth observing system data
    • 链接: http://sedac.ciesin.columbia.edu/data/sets/browse
  • Integrated Marine Observing System (IMOS) - roughly 30TB of ocean measurements
    • 链接: https://imos.aodn.org.au/ 或 S3链接
  • Marinexplore - Open Oceanographic Data
    • 链接: http://marinexplore.org/
  • Smithsonian Institution Global Volcano and Eruption Database
    • 链接: http://volcano.si.edu/
  • USGS Earthquake Archives
    • 链接: http://earthquake.usgs.gov/earthquakes/search/

经济学

  • American Economic Association (AEA)
    • 链接: https://www.aeaweb.org/resources/data
  • EconData from UMD
    • 链接: http://inforumweb.umd.edu/econdata/econdata.html
  • Economic Freedom of the World Data
    • 链接: http://www.freetheworld.com/datasets_efw.html
  • Historical MacroEconomic Statistics
    • 链接: http://www.historicalstatistics.org/
  • International Economics Database
    • 链接: http://widukind.cepremap.org/ 和 各种数据工具链接
  • International Trade Statistics
    • 链接: http://www.econostatistics.co.za/
  • Internet Product Code Database
    • 链接: http://www.upcdatabase.com/
  • Joint External Debt Data Hub
    • 链接: http://www.jedh.org/
  • Jon Haveman International Trade Data Links
    • 链接: http://www.macalester.edu/research/economics/PAGE/HAVEMAN/Trade.Resources/TradeData.html
  • OpenCorporates Database of Companies in the World
    • 链接: https://opencorporates.com/
  • Our World in Data
    • 链接: http://ourworldindata.org/
  • SciencesPo World Trade Gravity Datasets
    • 链接: http://econ.sciences-po.fr/thierry-mayer/data
  • **The
AI搜集汇总
数据集介绍
main_image_url
构建方式
awesome-public-datasets 数据集通过整合来自博客、问答平台以及用户反馈的公开数据源构建而成。该数据集涵盖了多个领域，包括农业、生物学、气候、复杂网络、计算机网络等，旨在为研究人员和开发者提供一个全面且易于访问的公共数据集集合。数据集的构建过程注重数据的多样性和广泛性，确保每个领域的数据源都具有代表性。
特点
该数据集的特点在于其广泛的数据覆盖范围和高质量的数据源。数据集不仅包含了来自政府机构、研究机构和企业的数据，还涵盖了多个学科领域，如生物学、气候学、经济学等。每个数据源都经过精心筛选和整理，确保数据的可靠性和实用性。此外，数据集中的大部分数据是免费的，部分数据源可能需要特定的访问权限。
使用方法
使用 awesome-public-datasets 数据集时，用户可以通过 GitHub 页面浏览各个领域的数据源链接，并根据需求选择合适的数据集进行下载和分析。数据集的使用方法灵活多样，适用于数据挖掘、机器学习、统计分析等多种应用场景。用户还可以通过数据集提供的链接访问原始数据源，获取更详细的数据信息和使用指南。
背景与挑战
背景概述
awesome-public-datasets 是一个广泛收集和整理公共数据源的资源库，涵盖了从农业、生物学到气候、经济等多个领域的数据集。该数据集由社区贡献者维护，旨在为研究人员、数据科学家和开发者提供一个便捷的公共数据访问平台。其创建时间可追溯至GitHub上的首次提交，主要贡献者包括caesar0301等开发者。该数据集的核心研究问题在于如何高效地整合和分类来自不同领域的公共数据，以便用户能够快速找到所需的数据资源。awesome-public-datasets 对数据科学、机器学习和相关领域的研究产生了深远影响，尤其是在数据驱动的决策支持和跨学科研究中，提供了丰富的数据基础。
当前挑战
awesome-public-datasets 面临的挑战主要体现在两个方面。首先，数据集的多样性和广泛性使得数据质量难以统一，部分数据源可能存在格式不一致、更新不及时或数据缺失等问题，这为数据使用者带来了额外的预处理负担。其次，数据集的构建过程中，如何确保数据的合法性和可访问性是一个重要挑战。尽管大多数数据集是免费的，但部分数据源可能涉及版权或使用限制，这要求维护者在整合数据时进行严格的审查和标注。此外，随着数据源的不断增加，如何保持数据集的更新和维护也是一个持续的挑战，尤其是在数据源发生变化或失效的情况下，如何及时更新和替换数据源显得尤为重要。
常用场景
经典使用场景
awesome-public-datasets 数据集广泛应用于多个学科领域的研究中，尤其是在数据科学、机器学习和人工智能领域。研究人员和开发者可以通过该数据集快速获取高质量的公开数据，用于模型训练、算法验证和数据分析。例如，在生物学领域，1000 Genomes 和 ENCODE 项目的数据被广泛用于基因组学和生物信息学研究；在气候科学领域，NASA 和 NOAA 的气候数据集为全球气候变化研究提供了重要支持。
衍生相关工作
该数据集衍生了许多经典的研究工作和技术应用。例如，基于 ImageNet 数据集的深度学习模型在计算机视觉领域取得了突破性进展；基于 Million Song Dataset 的音乐推荐系统在流媒体平台上得到了广泛应用。此外，许多开源工具和框架（如 TensorFlow 和 PyTorch）也提供了对这些数据集的直接支持，进一步推动了相关领域的研究和应用。
数据集最近研究
最新研究方向
近年来，随着数据科学和人工智能技术的迅猛发展，awesome-public-datasets数据集在多个领域的研究中发挥了重要作用。特别是在生物学领域，该数据集整合了包括1000 Genomes、ENCODE项目、Human Microbiome Project等在内的多个重要基因组和蛋白质组数据资源，为精准医学和个性化治疗提供了丰富的数据支持。此外，在气候和天气研究领域，数据集中的全球气候数据（如WorldClim和NOAA气候数据集）为气候变化模型和预测提供了关键的基础数据。在复杂网络研究方面，数据集中的AMiner引用网络和Stanford Large Network Dataset Collection等资源，推动了社交网络分析和推荐系统的研究进展。这些数据集的广泛应用不仅加速了科学研究的进程，也为跨学科合作提供了新的契机。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
5,000+
优质数据集
54 个
任务类型
进入经典数据集
关于我们
遇见数据集——让每个数据集都被发现，让每一次遇见都有价值。
联系我们
youjian
selectdataset@iotsh.com.cn
商业合作
数据驱动未来，携手共赢发展
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作