Montenegro Global Youth Tobacco Survey 2018|青年烟草使用数据集|公共卫生调查数据集
收藏My Sexy Neighbor 🔞 Prologue Review Stats and Historical Trends
The My Sexy Neighbor 🔞 Prologue Steam review dataset lets you explore review stats, trends, and history for My Sexy Neighbor 🔞 Prologue reviews on Steam. Data is aggregated month over month going back to November 2024.
steambase.io 收录
LFW (Labeled Faces in the Wild)
Labeled Faces in the Wild,是一个人脸照片数据库,旨在研究无约束的人脸识别问题。该数据集包含从网络收集的超过 13,000 张人脸图像。每张脸都标有图中人物的名字。照片中的 1680 人在数据集中有两张或更多张不同的照片。这些人脸的唯一限制是它们是由 Viola-Jones 人脸检测器检测到的。更多细节可以在下面的技术报告中找到。
OpenDataLab 收录
股票数据集
# 股票与金融数据集说明文档 ## 一、数据集概述 本数据集包含多份与股票、指数及金融数据相关的CSV文件,涵盖股票关联指数、实时交易、金融数据等内容,适用于: - 股票分析 - 金融市场研究 - 量化策略开发 为金融领域从业者和研究者提供基础数据支撑。 ## 二、文件列表及说明 | 文件名 | 内容说明 | |---------------------------------------|--------------------------------------------------------------------------| | index_related_to_stock.csv | 存储指数与股票关联数据,可用于分析指数成分股关联、指数对股票的影响等场景 | | real_time_trading_data_with.csv | 包含股票实时交易数据(交易时间、价格、成交量等实时行情信息) | | stock_list.csv | 股票列表基础信息(股票代码、名称、所属板块等) | | stock_related_to_index.csv | 记录股票与指数关联细节,辅助研究股票在指数体系中的角色与表现 | | hs_index_list.csv | 恒生指数列表数据(成分股、基本参数等) | | hs_index_realtime.csv | 恒生指数实时数据(实时走势、变动情况) | | index_industry_concept_tree.csv | 指数行业概念分类体系,助力分析行业与指数关联、概念板块影响 | | Financial_Data_20230330_20230630.csv | 2023年3月30日-2023年6月30日期间的金融数据(金融趋势回溯分析) | ## 三、数据格式与字段 - **格式**:CSV(逗号分隔) - **编码**:建议UTF-8 - **字段示例**: - `stock_related_to_index.csv`:股票代码、指数代码、关联权重 - `real_time_trading_data_with.csv`:交易时间戳、股票代码、成交价、成交量 ## 四、数据来源与更新 - **来源**:合法合规金融数据采集渠道(金融数据供应商、公开市场数据接口等) - **更新**:文件修改时间为最后更新时间(如`stock_related_to_index.csv`最后更新为2025/7/7) ## 五、使用方法import pandas as pd ### (一)环境准备 ```bash pip install pandas file_path = "stock_related_to_index.csv" try: data = pd.read_csv(file_path) print("数据读取成功,数据预览:") print(data.head()) # 打印前5行数据 except FileNotFoundError: print(f"文件 {file_path} 未找到,请检查路径") except Exception as e: print(f"数据读取出错:{e}") ### (一)环境准备 ```bash pip install pandas
魔搭社区 收录
PASCAL VOC 2007
这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象(即不是预先分割的对象)。它基本上是一个监督学习问题,因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是: 人:人 动物:鸟、猫、牛、狗、马、羊 交通工具:飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内:瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容:提供的训练数据由一组图像组成;每个图像都有一个注释文件,为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意,来自多个类的多个对象可能出现在同一图像中。
OpenDataLab 收录
PKLot
PKLot数据集包含12,416张从监控摄像头帧中提取的停车场图像。这些图像包括不同天气条件下的变化,如晴天、阴天和雨天。每个停车位都被标记为占用或空置。原始数据集的注释已转换为标准的目标检测格式,使用边界框包围旋转的矩形。
github 收录
