awesome-public-datasets

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、气候/天气等。

A curated list of high-quality open datasets spanning various domains, including agriculture, biology, climate/weather, and more.

原始信息汇总

数据集概述

本数据集是一个综合性的公共数据源列表，涵盖了多个领域的数据集，包括但不限于农业、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、能源、金融、地质、地理空间/GIS、政府、医疗保健、图像处理和机器学习。以下是各领域数据集的简要概述：

农业

• U.S. Department of Agricultures PLANTS Database: 提供美国农业部的植物数据库链接。

生物学

• 1000 Genomes: 人类基因组数据。
• American Gut (Microbiome Project): 美国肠道项目数据。
• Collaborative Research in Computational Neuroscience (CRCNS): 计算神经科学合作研究数据。
• EBI ArrayExrepss: 欧洲生物信息学研究所的数组表达数据。
• ENCODE project: 基因组百科全书项目数据。
• Ensembl Genomes: 基因组浏览器数据。
• Gene Expression Omnibus (GEO): 基因表达数据库。
• Gene Ontology (GO): 基因本体数据。
• Global Biotic Interactions (GloBI): 全球生物相互作用数据。
• Human Microbiome Project (HMP): 人类微生物组项目数据。
• ICOS PSP Benchmark: 图像分类和对象识别基准数据。
• MIT Cancer Genomics Data: 麻省理工癌症基因组数据。
• NIH Microarray data: 美国国立卫生研究院的微阵列数据。
• OpenSNP genotypes data: 开放SNP基因型数据。
• Pathguid - Protein-Protein Interactions Catalog: 蛋白质相互作用目录。
• Protein Data Bank: 蛋白质数据库。
• PubChem Project: 公共化学数据库。
• PubGene (now Coremine Medical): 公共基因数据库。
• Sequence Read Archive(SRA): 序列读取档案。
• Stanford Microarray Data: 斯坦福微阵列数据。
• The Catalogue of Life: 生命目录。
• The Personal Genome Project: 个人基因组项目数据。
• UCSC Public Data: 加州大学圣克鲁兹分校公共数据。
• UniGene: 基因集合数据库。

气候/天气

• Australian Weather: 澳大利亚天气数据。
• Brazilian Weather - Historical data: 巴西历史天气数据。
• Canadian Meteorological Centre: 加拿大气象中心数据。
• Climate Data from UEA: 东英吉利大学气候数据。
• European Climate Assessment & Dataset: 欧洲气候评估与数据集。
• Global Climate Data Since 1929: 自1929年以来的全球气候数据。
• NASA Global Imagery Browse Services: 美国宇航局全球图像浏览服务。
• NOAA Bering Sea Climate: 美国国家海洋和大气管理局白令海气候数据。
• NOAA Climate Datasets: 美国国家海洋和大气管理局气候数据集。
• NOAA Realtime Weather Models: 美国国家海洋和大气管理局实时天气模型。
• The World Bank Open Data Resources for Climate Change: 世界银行气候变化开放数据资源。
• UEA Climatic Research Unit: 东英吉利大学气候研究单位数据。
• WorldClim - Global Climate Data: 全球气候数据。
• WU Historical Weather Worldwide: 世界天气信息服务历史天气数据。

复杂网络

• CrossRef DOI URLs: 参考链接DOI URL数据。
• DBLP Citation dataset: DBLP引用数据集。
• NBER Patent Citations: 美国国家经济研究局专利引用数据。
• NIST complex networks data collection: 美国国家标准与技术研究院复杂网络数据集合。
• Protein-protein interaction network: 蛋白质相互作用网络数据。
• PyPI and Maven Dependency Network: PyPI和Maven依赖网络数据。
• Scopus Citation Database: Scopus引用数据库。
• Small Network Data: 小型网络数据。
• Stanford GraphBase (Steven Skiena): 斯坦福图形基础数据。
• Stanford Large Network Dataset Collection: 斯坦福大型网络数据集集合。
• The Koblenz Network Collection: 科布伦茨网络集合。
• The Laboratory for Web Algorithmics (UNIMI): 网络算法实验室数据。
• The Nexus Network Repository: 网络存储库。
• UCI Network Data Repository: 加州大学欧文分校网络数据存储库。
• UFL sparse matrix collection: 佛罗里达大学稀疏矩阵集合。
• WSU Graph Database: 华盛顿州立大学图形数据库。
• Stanford Longitudinal Network Data Sources: 斯坦福纵向网络数据源。

计算机网络

• 3.5B Web Pages from CommonCraw 2012: 2012年CommonCraw的35亿网页数据。
• 53.5B Web clicks of 100K users in Indiana Univ.: 印第安纳大学10万用户的535亿网页点击数据。
• CAIDA Internet Datasets: 互联网数据分析合作组织数据集。
• ClueWeb09 - 1B web pages: ClueWeb09的10亿网页数据。
• ClueWeb12 - 733M web pages: ClueWeb12的7.33亿网页数据。
• CommonCrawl Web Data over 7 years: 7年间的CommonCrawl网页数据。
• CRAWDAD Wireless datasets from Dartmouth Univ.: 达特茅斯大学的无线数据集。
• Criteo click-through data: Criteo点击数据。
• Open Mobile Data by MobiPerf: MobiPerf的开放移动数据。
• UCSD Network Telescope, IPv4 /8 net: 加州大学圣地亚哥分校网络望远镜数据。

上下文数据

• Context-aware data sets from five domains: 五个领域的上下文感知数据集。

数据挑战

• Challenges in Machine Learning: 机器学习挑战。
• CrowdANALYTIX dataX: CrowdANALYTIX数据。
• D4D Challenge of Orange: Orange的D4D挑战。
• DrivenData Competitions for Social Good: 推动数据竞赛以促进社会公益。
• ICWSM Data Challenge (since 2009): 自2009年以来的ICWSM数据挑战。
• Kaggle Competition Data: Kaggle竞赛数据。
• KDD Cup by Tencent 2012: 腾讯2012年KDD杯。
• Localytics Data Visualization Challenge: Localytics数据可视化挑战。
• Netflix Prize: Netflix奖。
• Space Apps Challenge: 太空应用挑战。
• Telecom Italia Big Data Challenge: 意大利电信大数据挑战。
• Yelp Dataset Challenge: Yelp数据集挑战。

经济学

• American Economic Ass (AEA): 美国经济协会数据。
• EconData from UMD: 马里兰大学经济数据。
• Economic Freedom of the World Data: 世界经济自由数据。
• Historical MacroEconomic Statistics: 历史宏观经济统计数据。
• International Trade Statistics: 国际贸易统计数据。
• Internet Product Code Database: 互联网产品代码数据库。
• Joint External Debt Data Hub: 联合外部债务数据中心。
• Jon Haveman International Trade Data Links: Jon Haveman国际贸易数据链接。
• OpenCorporates Database of Companies in the World: 全球公司数据库。
• Our World in Data: 我们的世界数据。
• SciencesPo World Trade Gravity Datasets: SciencesPo世界贸易重力数据集。
• The Atlas of Economic Complexity: 经济复杂性图谱。
• The Center for International Data: 国际数据中心。
• The Observatory of Economic Complexity: 经济复杂性观察站。
• UN Commodity Trade Statistics: 联合国商品贸易统计数据。
• UN Human Development Reports: 联合国人类发展报告。

能源

• AMPds: AMPds数据集。
• BLUEd: BLUEd数据集。
• COMBED: COMBED数据集。
• Dataport: Dataport数据集。
• ECO: ECO数据集。
• EIA: 美国能源信息署数据。
• HFED: HFED数据集。
• iAWE: iAWE数据集。
• Plaid: Plaid数据集。
• REDD: REDD数据集。
• UK-Dale: UK-Dale数据集。

金融

• CBOE Futures Exchange: 芝加哥期权交易所期货数据。
• Google Finance: 谷歌财经数据。
• Google Trends: 谷歌趋势数据。
• NASDAQ: 纳斯达克数据。
• OANDA: OANDA数据。
• OSU Financial data: 俄亥俄州立大学金融数据。
• Quandl: Quandl数据。
• St Louis Federal: 圣路易斯联邦储备银行数据。
• Yahoo Finance: 雅虎财经数据。

地质

• Earth Models: 地球模型数据。
• Smithsonian Institution Global Volcano and Eruption Database: 史密森尼学会全球火山和喷发数据库。
• USGS Earthquake Archives: 美国地质调查局地震档案。

地理空间/GIS

• BODC - marine data of ~22K vars: 英国海洋数据中心约22,000个变量的海洋数据。
• Cambridge, MA, US, GIS data on GitHub: 马萨诸塞州剑桥市的GIS数据。
• EOSDIS - NASAs earth observing system data: 美国宇航局的地球观测系统数据。
• Factual Global Location Data: 事实全球位置数据。
• Geo Spatial Data from ASU: 亚利桑那州立大学的地理空间数据。
• Geo Wiki Project - Citizen-driven Environmental Monitoring: 地理Wiki项目 - 公民驱动的环境监测。
• GeoNames Worldwide: 全球地理名称数据。
• Global Administrative Areas Database (GADM): 全球行政区域数据库。
• International Institute for Systems Analysis - GIS Datasets: 国际系统分析研究所的GIS数据集。
• Landsat 8 on AWS: AWS上的Landsat 8数据。
• List of all countries in all languages: 所有国家在所有语言中的列表。
• Natural Earth - vectors and rasters of the world: 自然地球 - 全球矢量和光栅数据。
• OpenAddresses: 开放地址数据。
• OpenStreetMap (OSM): 开放街道地图数据。
• Reverse Geocoder using OSM data: 使用OSM数据的反向地理编码器。
• TIGER/Line - U.S. boundaries and roads: 美国边界和道路数据。
• TwoFishes - Foursquares coarse geocoder: Foursquare的粗略地理编码器。
• TZ Timezones shapfiles: 时区shapefile数据。
• UN Environmental Data: 联合国环境数据。
• World countries in multiple formats: 多格式的世界国家数据。

政府

• Alberta, Province of Canada: 加拿大艾伯塔省数据。
• Antwerp, Belgium: 比利时安特卫普数据。
• Argentina (non official): 阿根廷非官方数据。
• Argentina: 阿根廷官方数据。
• Austin, TX, US: 美国德克萨斯州奥斯汀数据。
• Australia (abs.gov.au): 澳大利亚统计局数据。
• Australia (data.gov.au): 澳大利亚政府数据。
• Austria (data.gv.at): 奥地利政府数据。
• Baton Rouge, LA, US: 美国路易斯安那州巴吞鲁日数据。
• Belgium: 比利时数据。
• Brazil: 巴西数据。
• Buenos Aires, Argentina: 阿根廷布宜诺斯艾利斯数据。
• Calgary, AB, Canada: 加拿大艾伯塔省卡尔加里数据。
• Cambridge, MA, US: 美国马萨诸塞州剑桥数据。
• Canada: 加拿大数据。
• Chicago: 美国芝加哥数据。
• Dallas Open Data: 美国达拉斯开放数据。
• DataBC - data from the Province of British Columbia: 加拿大不列颠哥伦比亚省数据。
• Denver Open Data: 美国丹佛开放数据。
• Durham, NC Open Data: 美国北卡罗来纳州达勒姆开放数据。
• Edmonton, AB, Canada: 加拿大艾伯塔省埃德蒙顿数据。
• England LGInform: 英格兰地方政府信息。
• EuroStat: 欧洲统计局数据。
• FedStats: 联邦统计数据。
• Finland: 芬兰数据。
• France: 法国数据。
• Fredericton, NB, Canada: 加拿大新不伦瑞克省弗雷德里克顿数据。
• Gatineau, QC, Canada: 加拿大魁北克省加蒂诺数据。
• Germany: 德国数据。
• Ghent, Belgium: 比利时根特数据。
• Glasgow, Scotland, UK: 英国苏格兰格拉斯哥数据。
• Guardian world governments: 卫报世界政府数据。
• Halifax, NS, Canada: 加拿大新斯科舍省哈利法克斯数据。
• Helsinki Region, Finland: 芬兰赫尔辛基地区数据。
• Houston Open Data: 美国休斯顿开放数据。
• Indian Government Data: 印度政府数据。
• Indonesian Data Portal: 印度尼西亚数据门户。
• Laval, QC, Canada: 加拿大魁北克省拉瓦尔数据。
• London Datastore, UK: 英国伦敦数据存储。
• London, ON, Canada: 加拿大安大略省伦敦数据。
• Los Angeles Open Data: 美国洛杉矶开放数据。
• MassGIS, Massachusetts, U.S.: 美国马萨诸塞州地理信息系统数据。
• Mexico: 墨西哥数据。
• Missisauga, ON, Canada: 加拿大安大略省密西沙加数据。
• Moncton, NB, Canada: 加拿大新不伦瑞克省蒙克顿数据。
• Montreal, QC, Canada: 加拿大魁北克省蒙特利尔数据。
• Netherlands: 荷兰数据。
• New Zealand: 新西兰数据。
• NYC betanyc: 纽约市betanyc数据。
• NYC Open Data: 纽约市开放数据。
• OECD: 经济合作与发展组织数据。
• Oklahoma: 美国俄克拉荷马州数据。
• Open Government Data (OGD) Platform India: 印度开放政府数据平台。
• Oregon: 美国俄勒冈州数据。
• Ottawa, ON, Canada: 加拿大安大略省渥太华数据。
• Portland, Oregon: 美国俄勒冈州波特兰数据。
• Puerto Rico Government: 波多黎各政府数据。
• Quebec City, QC, Canada: 加拿大魁北克省魁北克市数据。
• Quebec Province of Canada: 加拿大魁北克省数据。
• Regina SK, Canada: 加拿大萨斯喀彻温省里贾纳数据。
• Rio de Janeiro, Brazil: 巴西里约热内卢数据。
• Romania: 罗马尼亚数据。
• Russia: 俄罗斯数据。
• San Francisco Data sets: 美国旧金山数据集。
• Saskatchewan, Province of Canada: 加拿大萨斯喀彻温省数据。
• Seattle: 美国西雅图数据。
• Singapore Government Data: 新加坡政府数据。
• South Africa: 南非数据。
• South Africa Trade Statistics: 南非贸易统计数据。
• State of Utah, US: 美国犹他州数据。
• Switzerland: 瑞士数据。
• Texas Open Data: 美国德克萨斯州开放数据。
• The World Bank: 世界银行数据。
• Toronto, ON, Canada: 加拿大安大略省多伦多数据。
• U.K. Government Data: 英国政府数据。
• U.S. American Community Survey: 美国社区调查数据。
• U.S. CDC Public Health datasets: 美国疾病控制与预防中心公共卫生数据集。
• U.S. Census Bureau: 美国人口普查局数据。
• U.S. Department of Housing and Urban Development (HUD): 美国住房和城市发展部数据。
• U.S. Federal Government Agencies: 美国联邦政府机构数据。
• U.S. Federal Government Data Catalog: 美国联邦政府数据目录。
• U.S. Food and Drug Administration (FDA): 美国食品药品监督管理局数据。
• U.S. National Center for Education Statistics (NCES): 美国国家教育统计中心数据。
• U.S. Open Government: 美国开放政府数据。
• UK 2011 Census Open Atlas Project: 英国2011年人口普查开放地图集项目。
• United Nations: 联合国数据。
• Uruguay: 乌

搜集汇总

数据集介绍

构建方式

awesome-public-datasets 数据集是通过广泛收集和整理来自博客、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、经济学、能源、金融、地质学、地理信息系统、政府数据、医疗保健、图像处理以及机器学习等。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。尽管大多数数据集是免费的，但部分数据集可能需要付费获取。

特点

awesome-public-datasets 数据集的一个显著特点是其跨领域的广泛覆盖，涵盖了从基础科学到社会科学的多个学科。数据集中的每个领域都提供了多个高质量的数据源链接，便于用户快速访问和使用。此外，数据集中的许多数据源来自权威机构或知名研究项目，确保了数据的可靠性和权威性。数据集还特别标注了部分数据源的访问限制，帮助用户在使用时避免不必要的麻烦。

使用方法

使用 awesome-public-datasets 数据集时，用户可以根据自身需求，通过数据集提供的链接直接访问相关数据源。每个数据源都附有简要描述，帮助用户快速了解其内容和用途。用户可以通过浏览不同领域的数据源，找到适合自己研究或项目的数据集。此外，数据集还提供了其他相关资源链接，如 awesome-awesomeness 和 sindresorhus's awesome 列表，进一步扩展了用户的数据获取渠道。

背景与挑战

背景概述

awesome-public-datasets 数据集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GitHub用户caesar0301创建，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。其数据来源多样，包括博客、用户反馈和问答社区等，大多数数据集为免费提供，部分数据集则需付费。该数据集自发布以来，已成为数据科学领域的重要参考资源，极大地促进了跨学科研究和数据驱动决策的发展。

当前挑战

awesome-public-datasets 数据集面临的主要挑战包括数据质量的参差不齐和数据的更新维护问题。由于数据来源广泛，部分数据集可能存在格式不统一、数据缺失或过时的情况，这给用户的数据处理和分析带来了额外的复杂性。此外，随着数据科学的快速发展，如何持续更新和维护数据集以保持其相关性和实用性，也是一个亟待解决的问题。构建过程中，团队还需应对数据版权和隐私保护等法律问题，确保数据集的合法性和合规性。

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与教学，尤其是在数据科学、机器学习和统计学领域。研究人员和教育工作者常利用该数据集进行数据挖掘、模式识别和预测模型的开发。其丰富的跨领域数据资源为学术研究提供了坚实的基础，特别是在需要大规模数据集进行实验验证的场景中，该数据集展现了其独特的价值。

解决学术问题

该数据集解决了学术研究中数据获取困难的问题，尤其是在跨学科研究中，研究者往往难以找到合适的公开数据集。awesome-public-datasets 提供了涵盖农业、生物学、气候、复杂网络等多个领域的公开数据，极大地简化了数据获取的流程，使得研究者能够专注于模型构建和数据分析，而非数据收集。此外，该数据集还为数据标准化和共享提供了范例，推动了开放科学的发展。

衍生相关工作

基于 awesome-public-datasets，许多经典的研究工作得以展开。例如，在复杂网络领域，研究者利用该数据集中的网络数据开发了新的社区检测算法；在机器学习领域，该数据集被用于训练和验证深度学习模型。此外，该数据集还催生了一系列开源工具和平台，如数据可视化工具和自动化数据处理框架，进一步推动了数据科学领域的技术创新。