多个数据集

这是一个收集和整理自博客、答案和用户响应的高质量公开数据集列表，涵盖了农业、生物学等多个领域。

This is a high-quality publicly available dataset list, collected and curated from blogs, answers, and user responses, covering multiple fields such as agriculture and biology.

原始信息汇总

数据集概述

本数据集名为“Awesome Public Datasets”，是一个收集并整理自博客、问答和用户响应的公共数据源列表。数据集中的大部分数据集是免费的，但也有一些不是。该列表涵盖了多个领域的数据集，包括农业、生物学、气候/天气、复杂网络、计算机网络、上下文数据、数据挑战、经济学、教育、能源、金融、地质、地理空间/GIS、政府、医疗保健等。

数据集内容

农业

• U.S. Department of Agricultures PLANTS Database

生物学

• 1000 Genomes
• American Gut (Microbiome Project)
• Broad Cancer Cell Line Encyclopedia (CCLE)
• Cell Image Library
• Collaborative Research in Computational Neuroscience (CRCNS)
• Complete Genomics Public Data
• EBI ArrayExpress
• EBI Protein Data Bank in Europe
• ENCODE project
• Ensembl Genomes
• Gene Expression Omnibus (GEO)
• Gene Ontology (GO)
• Global Biotic Interactions (GloBI)
• Harvard Medical School (HMS) LINCS Project
• Human Genome Diversity Project
• Human Microbiome Project (HMP)
• ICOS PSP Benchmark
• International HapMap Project
• Journal of Cell Biology DataViewer
• MIT Cancer Genomics Data
• NCBI Proteins
• NCBI Taxonomy
• NeuroData
• NIH Microarray data
• OpenSNP genotypes data
• Pathguid - Protein-Protein Interactions Catalog
• Protein Data Bank
• PubChem Project
• PubGene (now Coremine Medical)
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
• Sequence Read Archive(SRA)
• Stanford Microarray Data
• Stowers Institute Original Data Repository
• Systems Science of Biological Dynamics (SSBD) Database
• Temple University Hospital EEG Database
• The Cancer Genome Atlas (TCGA), available via Broad GDAC
• The Catalogue of Life
• The Personal Genome Project
• UCSC Public Data
• Universal Protein Resource (UnitProt)
• UniGene

气候/天气

• Australian Weather
• Brazilian Weather - Historical data (In Portuguese)
• Canadian Meteorological Centre
• Climate Data from UEA (updated monthly)
• European Climate Assessment & Dataset
• Global Climate Data Since 1929
• NASA Global Imagery Browse Services
• NOAA Bering Sea Climate
• NOAA Climate Datasets
• NOAA Realtime Weather Models
• The World Bank Open Data Resources for Climate Change
• UEA Climatic Research Unit
• WorldClim - Global Climate Data
• WU Historical Weather Worldwide

复杂网络

• CrossRef DOI URLs
• DBLP Citation dataset
• NBER Patent Citations
• NIST complex networks data collection
• Protein-protein interaction network
• PyPI and Maven Dependency Network
• Scopus Citation Database
• Small Network Data
• Stanford GraphBase (Steven Skiena)
• Stanford Large Network Dataset Collection
• Stanford Longitudinal Network Data Sources
• The Koblenz Network Collection
• The Laboratory for Web Algorithmics (UNIMI)
• The Nexus Network Repository
• UCI Network Data Repository
• UFL sparse matrix collection
• WSU Graph Database

计算机网络

• 3.5B Web Pages from CommonCraw 2012
• 53.5B Web clicks of 100K users in Indiana Univ.
• CAIDA Internet Datasets
• ClueWeb09 - 1B web pages
• ClueWeb12 - 733M web pages
• CommonCrawl Web Data over 7 years
• CRAWDAD Wireless datasets from Dartmouth Univ.
• Criteo click-through data
• Open Mobile Data by MobiPerf
• UCSD Network Telescope, IPv4 /8 net

上下文数据

• Context-aware data sets from five domains

数据挑战

• Challenges in Machine Learning
• CrowdANALYTIX dataX
• D4D Challenge of Orange
• DrivenData Competitions for Social Good
• ICWSM Data Challenge (since 2009)
• Kaggle Competition Data
• KDD Cup by Tencent 2012
• Localytics Data Visualization Challenge
• Netflix Prize
• Space Apps Challenge
• Telecom Italia Big Data Challenge
• Yelp Dataset Challenge

经济学

• American Economic Ass (AEA)
• EconData from UMD
• Economic Freedom of the World Data
• Historical MacroEconomic Statistics
• International Trade Statistics
• Internet Product Code Database
• Joint External Debt Data Hub
• Jon Haveman International Trade Data Links
• OpenCorporates Database of Companies in the World
• Our World in Data
• SciencesPo World Trade Gravity Datasets
• The Atlas of Economic Complexity
• The Center for International Data
• The Observatory of Economic Complexity
• UN Commodity Trade Statistics
• UN Human Development Reports

教育

• Student Data from Free Code Camp

能源

• AMPds
• BLUEd
• COMBED
• Dataport
• ECO
• EIA
• HFED
• iAWE
• Plaid
• REDD
• UK-Dale

金融

• CBOE Futures Exchange
• Google Finance
• Google Trends
• NASDAQ
• OANDA
• OSU Financial data
• Quandl
• St Louis Federal
• Yahoo Finance

地质

• Earth Models
• Smithsonian Institution Global Volcano and Eruption Database
• USGS Earthquake Archives

地理空间/GIS

• BODC - marine data of ~22K vars
• Cambridge, MA, US, GIS data on GitHub
• EOSDIS - NASAs earth observing system data
• Factual Global Location Data
• Geo Spatial Data from ASU
• Geo Wiki Project - Citizen-driven Environmental Monitoring
• GeoFabrik - OSM data extracted to a variety of formats and areas
• GeoNames Worldwide
• Global Administrative Areas Database (GADM)
• International Institute for Systems Analysis - GIS Datasets
• Landsat 8 on AWS
• List of all countries in all languages
• National Weather Service GIS Data Portal
• Natural Earth - vectors and rasters of the world
• OpenAddresses
• OpenStreetMap (OSM)
• Pleiades - Gazetteer and graph of ancient places
• Reverse Geocoder using OSM data
• TIGER/Line - U.S. boundaries and roads
• TwoFishes - Foursquares coarse geocoder
• TZ Timezones shapfiles
• UN Environmental Data
• World boundaries from the U.S. Department of State
• World countries in multiple formats

政府

• Alberta, Province of Canada
• Antwerp, Belgium
• Argentina (non official)
• Argentina
• Austin, TX, US
• Australia (abs.gov.au)
• Australia (data.gov.au)
• Austria (data.gv.at)
• Baton Rouge, LA, US
• Belgium
• Brazil
• Buenos Aires, Argentina
• Calgary, AB, Canada
• Cambridge, MA, US
• Canada
• Chicago
• Dallas Open Data
• DataBC - data from the Province of British Columbia
• Denver Open Data
• Durham, NC Open Data
• Edmonton, AB, Canada
• England LGInform
• EuroStat
• FedStats
• Finland
• France
• Fredericton, NB, Canada
• Gatineau, QC, Canada
• Germany
• Ghent, Belgium
• Glasgow, Scotland, UK
• Greece
• Guardian world governments
• Halifax, NS, Canada
• Helsinki Region, Finland
• Hong Kong, China
• Houston Open Data
• Indian Government Data
• Indonesian Data Portal
• Irelands Open Data Portal
• Japan
• Laval, QC, Canada
• Lexington, KY
• London Datastore, UK
• London, ON, Canada
• Los Angeles Open Data
• MassGIS, Massachusetts, U.S.
• Mexico
• Missisauga, ON, Canada
• Moncton, NB, Canada
• Montreal, QC, Canada
• Netherlands
• New Zealand
• NYC betanyc
• NYC Open Data
• OECD
• Oklahoma
• Open Government Data (OGD) Platform India
• Oregon
• Ottawa, ON, Canada
• Portland, Oregon
• Portugal - Pordata organization
• Puerto Rico Government
• Quebec City, QC, Canada
• Quebec Province of Canada
• Regina SK, Canada
• Rio de Janeiro, Brazil
• Romania
• Russia
• San Francisco Data sets
• Saskatchewan, Province of Canada
• Seattle
• Singapore Government Data
• South Africa
• South Africa Trade Statistics
• State of Utah, US
• Switzerland
• Texas Open Data
• The World Bank
• Toronto, ON, Canada
• U.K. Government Data
• U.S. American Community Survey
• U.S. CDC Public Health datasets
• U.S. Census Bureau
• U.S. Department of Housing and Urban Development (HUD)
• U.S. Federal Government Agencies
• U.S. Federal Government Data Catalog
• U.S. Food and Drug Administration (FDA)
• U.S. National Center for Education Statistics (NCES)
• U.S. Open Government
• UK 2011 Census Open Atlas Project
• United Nations
• Uruguay
• Vancouver, BC Open Data Catalog
• Victoria, BC, Canada
• Vienna, Austria

医疗保健

• EHDP Large Health Data Sets
• Gapminder World demographic databases
• Medicare Coverage Database (MCD), U.S.

搜集汇总

数据集介绍

构建方式

该数据集是通过收集和整理来自博客、回答和用户响应中的公开数据源而构建的，涵盖了多个领域的公共数据集，大部分数据集是免费的，但也有一部分是收费的。

使用方法

使用该数据集时，用户可以根据自己的需求浏览和选择合适的数据集，大部分数据集都提供了详细的元数据描述，方便用户理解和应用数据。对于免费的数据集，用户可以直接下载；而对于收费的数据集，用户需要遵循相应的使用条款和条件。

背景与挑战

背景概述

多个数据集的README文件详述了一个庞大的公共数据集列表，这些数据集涵盖了从农业到健康医疗等众多领域。该列表由sindresorhus整理，并从博客、回答和用户响应中收集而来。大部分列出的数据集是免费的，但也有一些不是。这份列表的目的是为了方便研究人员和开发者快速找到并使用这些资源，从而推动相关领域的研究与应用。

当前挑战

在构建和利用这些数据集的过程中，研究者们面临了多方面的挑战。首先是数据集的选择和整合，因为每个数据集都有其特定的格式和结构，需要相应的处理方法。其次，数据的质量和一致性也是一个挑战，尤其是在整合来自不同来源的数据时。此外，数据隐私和安全性的问题在处理敏感信息时尤为重要。最后，数据集的维护和更新也是一项长期而艰巨的任务，需要持续的投入和专业的管理。

常用场景

经典使用场景

该数据集汇编了来自不同领域的公共数据集，经典使用场景包括为研究人员提供丰富的数据资源，以便他们能够进行跨学科的数据分析和研究。例如，在生物信息学领域，1000 Genomes数据集可用于进行基因组学研究；在气候学领域，NASA Global Imagery Browse Services数据集可用于气候变化的监测和分析。

解决学术问题

该数据集解决了学术研究中数据获取和整合的难题，使得研究人员能够轻松访问和下载所需的数据集。例如，PubChem Project提供了化学物质的详细信息，有助于化学和药物研究领域的研究人员快速找到相关数据；The Cancer Genome Atlas (TCGA)为癌症研究者提供了丰富的癌症相关基因组数据。

实际应用

该数据集在实际应用中广泛用于政策制定、市场分析、教育、医疗等多个领域。例如，政府公开数据被用于监测和改善公共服务；在商业领域，市场数据集帮助企业分析市场趋势和消费者行为；在教育领域，学生数据集被用于教育研究和个性化学习。

数据集最近研究

最新研究方向

该数据集涵盖了多个领域的大量公共数据集，最新的研究方向主要集中于数据挖掘、数据分析和大数据处理技术。研究者们正利用这些数据集探索机器学习算法的优化、自然语言处理技术的提升以及数据可视化方法的应用，以揭示数据背后的模式和趋势。同时，数据集的应用研究也正逐渐拓展到社会各个领域，如利用政府公开数据集进行城市规划和政策制定，利用医疗数据集进行疾病预测和健康管理等，体现了数据科学在解决实际问题中的重要作用。