Awesome Public Datasets

一个主题中心的高质量公共数据集列表，这些数据集来自公共领域。

A curated list of high-quality public datasets from the public domain, centered around specific themes.

原始信息汇总

数据集概述

农业

• Hyperspectral benchmark dataset on soil moisture: 数据集链接: Hyperspectral benchmark dataset on soil moisture
• U.S. Department of Agricultures Nutrient Database: 数据集链接: U.S. Department of Agricultures Nutrient Database
• U.S. Department of Agricultures PLANTS Database: 数据集链接: U.S. Department of Agricultures PLANTS Database

生物学

• 1000 Genomes: 数据集链接: 1000 Genomes
• American Gut (Microbiome Project): 数据集链接: American Gut (Microbiome Project)
• Broad Bioimage Benchmark Collection (BBBC): 数据集链接: Broad Bioimage Benchmark Collection (BBBC)
• Broad Cancer Cell Line Encyclopedia (CCLE): 数据集链接: Broad Cancer Cell Line Encyclopedia (CCLE)
• Cell Image Library: 数据集链接: Cell Image Library
• Complete Genomics Public Data: 数据集链接: Complete Genomics Public Data
• EBI ArrayExpress: 数据集链接: EBI ArrayExpress
• EBI Protein Data Bank in Europe: 数据集链接: EBI Protein Data Bank in Europe
• ENCODE project: 数据集链接: ENCODE project
• Electron Microscopy Pilot Image Archive (EMPIAR): 数据集链接: Electron Microscopy Pilot Image Archive (EMPIAR)
• Ensembl Genomes: 数据集链接: Ensembl Genomes
• Gene Expression Omnibus (GEO): 数据集链接: Gene Expression Omnibus (GEO)
• Gene Ontology (GO): 数据集链接: Gene Ontology (GO)
• Global Biotic Interactions (GloBI): 数据集链接: Global Biotic Interactions (GloBI)
• Harvard Medical School (HMS) LINCS Project: 数据集链接: Harvard Medical School (HMS) LINCS Project
• Human Genome Diversity Project: 数据集链接: Human Genome Diversity Project
• Human Microbiome Project (HMP): 数据集链接: Human Microbiome Project (HMP)
• ICOS PSP Benchmark: 数据集链接: ICOS PSP Benchmark
• International HapMap Project: 数据集链接: International HapMap Project
• Journal of Cell Biology DataViewer: 数据集链接: Journal of Cell Biology DataViewer
• KEGG - KEGG is a database resource for understanding high-level functions [...]: 数据集链接: KEGG
• MIT Cancer Genomics Data: 数据集链接: MIT Cancer Genomics Data
• NCBI Proteins: 数据集链接: NCBI Proteins
• NCBI Taxonomy: 数据集链接: NCBI Taxonomy
• NCI Genomic Data Commons: 数据集链接: NCI Genomic Data Commons
• NIH Microarray data: 数据集链接: NIH Microarray data
• OpenSNP genotypes data: 数据集链接: OpenSNP genotypes data
• Pathguid - Protein-Protein Interactions Catalog: 数据集链接: Pathguid - Protein-Protein Interactions Catalog
• Protein Data Bank: 数据集链接: Protein Data Bank
• Psychiatric Genomics Consortium: 数据集链接: Psychiatric Genomics Consortium
• PubChem Project: 数据集链接: PubChem Project
• PubGene (now Coremine Medical): 数据集链接: PubGene (now Coremine Medical)
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 数据集链接: Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 数据集链接: Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
• Sequence Read Archive(SRA): 数据集链接: Sequence Read Archive(SRA)
• Stanford Microarray Data: 数据集链接: Stanford Microarray Data
• Stowers Institute Original Data Repository: 数据集链接: Stowers Institute Original Data Repository
• Systems Science of Biological Dynamics (SSBD) Database: 数据集链接: Systems Science of Biological Dynamics (SSBD) Database
• The Cancer Genome Atlas (TCGA), available via Broad GDAC: 数据集链接: The Cancer Genome Atlas (TCGA), available via Broad GDAC
• The Catalogue of Life: 数据集链接: The Catalogue of Life
• The Personal Genome Project: 数据集链接: The Personal Genome Project
• UCSC Public Data: 数据集链接: UCSC Public Data
• UniGene: 数据集链接: UniGene
• Universal Protein Resource (UnitProt): 数据集链接: Universal Protein Resource (UnitProt)

气候+天气

• Actuaries Climate Index: 数据集链接: Actuaries Climate Index
• Australian Weather: 数据集链接: Australian Weather
• Aviation Weather Center - Consistent, timely and accurate weather [...]: 数据集链接: Aviation Weather Center - Consistent, timely and accurate weather [...]
• Brazilian Weather - Historical data (In Portuguese) - Data related to [...]: 数据集链接: Brazilian Weather - Historical data (In Portuguese) - Data related to [...]
• Canadian Meteorological Centre: 数据集链接: Canadian Meteorological Centre
• Climate Data from UEA (updated monthly): 数据集链接: Climate Data from UEA (updated monthly)
• European Climate Assessment & Dataset: 数据集链接: European Climate Assessment & Dataset
• Global Climate Data Since 1929: 数据集链接: Global Climate Data Since 1929
• NASA Global Imagery Browse Services: 数据集链接: NASA Global Imagery Browse Services
• NOAA Bering Sea Climate: 数据集链接: NOAA Bering Sea Climate
• NOAA Climate Datasets: 数据集链接: NOAA Climate Datasets
• NOAA Realtime Weather Models: 数据集链接: NOAA Realtime Weather Models
• NOAA SURFRAD Meteorology and Radiation Datasets: 数据集链接: NOAA SURFRAD Meteorology and Radiation Datasets
• The World Bank Open Data Resources for Climate Change: 数据集链接: The World Bank Open Data Resources for Climate Change
• UEA Climatic Research Unit: 数据集链接: UEA Climatic Research Unit
• WU Historical Weather Worldwide: 数据集链接: WU Historical Weather Worldwide
• WorldClim - Global Climate Data: 数据集链接: WorldClim - Global Climate Data

复杂网络

• AMiner Citation Network Dataset: 数据集链接: AMiner Citation Network Dataset
• CrossRef DOI URLs: 数据集链接: CrossRef DOI URLs
• DBLP Citation dataset: 数据集链接: DBLP Citation dataset
• DIMACS Road Networks Collection: 数据集链接: DIMACS Road Networks Collection
• NBER Patent Citations: 数据集链接: NBER Patent Citations
• NIST complex networks data collection: 数据集链接: NIST complex networks data collection
• Network Repository with Interactive Exploratory Analysis Tools: 数据集链接: Network Repository with Interactive Exploratory Analysis Tools
• Protein-protein interaction network: 数据集链接: Protein-protein interaction network
• PyPI and Maven Dependency Network: 数据集链接: PyPI and Maven Dependency Network
• Scopus Citation Database: 数据集链接: Scopus Citation Database
• Small Network Data: 数据集链接: Small Network Data
• Stanford GraphBase: 数据集链接: Stanford GraphBase
• Stanford Large Network Dataset Collection: 数据集链接: Stanford Large Network Dataset Collection
• Stanford Longitudinal Network Data Sources: 数据集链接: Stanford Longitudinal Network Data Sources
• The Koblenz Network Collection: 数据集链接: The Koblenz Network Collection
• The Laboratory for Web Algorithmics (UNIMI): 数据集链接: The Laboratory for Web Algorithmics (UNIMI)
• UCI Network Data Repository: 数据集链接: UCI Network Data Repository
• UFL sparse matrix collection: 数据集链接: UFL sparse matrix collection
• WSU Graph Database: 数据集链接: WSU Graph Database

计算机网络

• 3.5B Web Pages from CommonCrawl 2012: 数据集链接: 3.5B Web Pages from CommonCrawl 2012
• 53.5B Web clicks of 100K users in Indiana Univ.: 数据集链接: 53.5B Web clicks of 100K users in Indiana Univ.
• CAIDA Internet Datasets: 数据集链接: CAIDA Internet Datasets
• CRAWDAD Wireless datasets from Dartmouth Univ.: 数据集链接: CRAWDAD Wireless datasets from Dartmouth Univ.
• ClueWeb09 - 1B web pages: 数据集链接: ClueWeb09 - 1B web pages
• ClueWeb12 - 733M web pages: 数据集链接: ClueWeb12 - 733M web pages
• CommonCrawl Web Data over 7 years: 数据集链接: CommonCrawl Web Data over 7 years
• Criteo click-through data: 数据集链接: Criteo click-through data
• Internet-Wide Scan Data Repository: 数据集链接: Internet-Wide Scan Data Repository
• OONI: Open Observatory of Network Interference - Internet censorship data: 数据集链接: OONI: Open Observatory of Network Interference - Internet censorship data
• Open Mobile Data by MobiPerf: 数据集链接: Open Mobile Data by MobiPerf
• The Peer-to-Peer Trace Archive - Real-world measurements play a key role [...]: 数据集链接: The Peer-to-Peer Trace Archive - Real-world measurements play a key role [...]
• Rapid7 Sonar Internet Scans: 数据集链接: [Rapid7

搜集汇总

数据集介绍

构建方式

Awesome Public Datasets 是一个由社区驱动的开源项目，旨在收集和整理互联网上各种高质量的主题中心公共数据源。该数据集通过自动化脚本从博客、答案和用户响应中收集而来，经过整理后以列表形式呈现。

特点

该数据集的特点在于其主题多样性，涵盖了从农业到地理信息系统，再到金融和计算机网络的多个领域。每个数据源都附带详细的信息，如数据描述、获取方式和使用条款。此外，数据集还提供了丰富的数据格式，包括但不限于CSV、JSON、XML等，方便用户根据需要进行选择和处理。

使用方法

用户可以通过数据集提供的链接直接访问和下载数据。每个数据条目都包含了必要的信息，如数据提供者、数据更新时间、数据格式等，以便用户了解数据来源和状态。此外，数据集还鼓励社区贡献，用户可以通过指定的方式提交新的数据源或更新现有条目。

背景与挑战

背景概述

Awesome Public Datasets 是一个由社区驱动、旨在收集和整理高质量公共数据集的项目。该项目起源于 GitHub，由 sindresorhus 维护，汇集了来自博客、回答和用户响应的各类数据集。大部分列出的数据集是免费的，但也有一部分不是。该项目是 sindresorhus's awesome 列表的一个分支，致力于为研究人员和开发者提供易于访问的公共数据资源。

当前挑战

该数据集面临的挑战主要包括：1) 确保数据集的质量和准确性，由于数据来源多样，这一挑战尤为关键；2) 维护和更新数据集，随着新数据的不断出现，如何及时更新成为一个问题；3) 数据集的版权和许可问题，不同数据集可能有不同的使用限制；4) 数据集的多样性和覆盖范围，如何确保数据集能够覆盖不同领域和需求。

常用场景

经典使用场景

Awesome Public Datasets集成了多个领域的高质量公共数据集，经典使用场景包括为研究人员提供丰富的数据资源，以便于进行跨学科的数据分析和研究。例如，生物学家可以利用该数据集中的基因序列数据来研究遗传变异，而经济学家则可以分析其中的经济指标数据来探究宏观经济趋势。

衍生相关工作

该数据集衍生了众多相关工作，包括数据集的维护和更新、数据质量的控制和提升，以及基于这些数据集的新研究和应用。例如，一些研究团队基于Awesome Public Datasets中的数据集开发了新的数据分析工具，进一步推动了数据科学的发展。

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的研究数据，其最新研究方向主要体现在数据集的整理、更新以及在不同领域的应用研究。例如，在生物学领域，研究者利用该数据集进行基因组学、微生物组学以及蛋白质-蛋白质相互作用网络等研究；在地球科学领域，数据集支持气候变迁、海洋测量及地震档案等研究。此外，数据集在计算机网络、经济学、教育、能源、金融和地理信息系统等多个领域都有广泛的应用，研究者们通过这些数据集探索网络结构、经济发展趋势、教育成效、能源消耗模式、金融市场动态以及地理空间数据的可视化等前沿问题。