five

awesome-public-datasets

收藏
github2017-01-25 更新2024-05-31 收录
下载链接：
https://github.com/ahmbay/awesome-public-datasets
下载链接
链接失效反馈
官方服务：
资源简介：
一个包含高质量公开数据集的精选列表，这些数据集来自公共领域，由大家共同维护和更新。

A curated list of high-quality public datasets sourced from the public domain, collaboratively maintained and updated by the community.
创建时间：
2017-01-25
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: ftp://ftp.ncbi.nih.gov/pub/geo/DATA/supplementary/series/GSE6532/
  • 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: https://my.pgp-hms.org/public_genetic_data
  • 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

  • Actuaries Climate Index
    • 链接: http://actuariesclimateindex.org/data/
  • 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 CommonCrawl 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/
  • OONI: Open Observatory of Network Interference - Internet censorship data
    • 链接: https://ooni.torproject.org/data/
  • 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: https://github.com/irecsys/CARSKit/tree/master/context-aware_data_sets

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
  • TravisTorrent Dataset - MSR2017 Mining Challenge
    • 链接: https://travistorrent.testroots.org/

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: http://imos-data.s3-website-ap-southeast-2.amazonaws.com/
  • 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: https://github.com/Widukind
  • International Trade Statistics
    • 链接: http
搜集汇总
数据集介绍
main_image_url
构建方式
该数据集是通过收集和整理来自博客、回答和用户响应等公共数据源而构建的。它包含了许多领域的公共数据集，其中大部分是免费的，但也有一些不是。
特点
数据集的特点在于其广泛性和多样性，涵盖了从农业到医学、从经济到地理信息系统（GIS）等多个领域的公共数据集。它不仅提供了大量免费的数据资源，而且还包含了指向其他优秀数据集列表的链接。
使用方法
用户可以通过直接访问提供的链接来使用这些数据集。每个数据集的详细信息和访问方式都在README文件中有明确的说明，用户可以根据自己的需求选择合适的数据集。
背景与挑战
背景概述
awesome-public-datasets是一个由社区成员贡献的公开数据集列表，旨在收集和整理网络上可用的公共数据资源。该数据集涵盖了多个领域，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、地球科学、经济学、教育、能源、金融、地理信息系统（GIS）、政府、健康医疗、图像处理、机器学习等。它创建于网络社区，由sindresorhus等人维护，并提供了丰富的数据资源链接，对相关领域的研究人员和学生具有很高的参考价值。
当前挑战
awesome-public-datasets在收集和整理公共数据集的过程中面临着多方面的挑战。首先，由于数据集来源多样，保证数据的准确性和时效性是一个挑战。其次，不同领域的数据集在构建过程中可能会遇到数据格式不统一、数据质量参差不齐的问题。此外，如何确保数据集的持续更新和有效维护，以及如何处理数据使用中的隐私和版权问题，也是需要解决的挑战。
常用场景
经典使用场景
该数据集广泛用于搜集和整理互联网上各类公开数据资源，经典的使用场景包括学术研究、数据分析和商业智能等领域，为用户提供了便捷的数据获取途径。
衍生相关工作
基于该数据集，衍生出了许多相关的工作，如数据可视化、数据分析框架和特定领域的数据集构建等，进一步扩展了数据集的应用范围和影响力。
数据集最近研究
最新研究方向
awesome-public-datasets数据集涵盖了多个领域，其最新研究方向主要聚焦于数据挖掘、机器学习、图像处理等领域的应用。例如，在生物医学领域，利用基因组、蛋白质组等数据集进行疾病预测和药物发现；在计算机视觉领域，利用图像数据集进行物体识别、图像分类等；在自然语言处理领域，利用文本数据集进行情感分析、机器翻译等。这些研究方向的共同目标是通过数据驱动的技术，挖掘数据中的有价值信息，以推动相关领域的发展。
以上内容由遇见数据集搜集并总结生成
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。
数发科官网www.sfktec.com.cn
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