多个数据集

这是一个包含多个高质量公开数据集的列表，涵盖农业、生物学等多个领域。

This is a list comprising multiple high-quality public datasets, spanning various fields such as agriculture and biology.

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
• Cell Image Library
  • 链接：http://www.cellimagelibrary.org
• Collaborative Research in Computational Neuroscience (CRCNS)
  • 链接：http://crcns.org/data-sets
• 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/
• 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 Interations (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
• NeuroData
  • 链接：http://neurodata.io
• NIH Microarray data
  • 链接：http://bit.do/VVW6 或 FTP
• 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
• Temple University Hospital EEG Database
  • 链接：https://www.nedcdata.org/drupal/node/12
• 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
• 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

• Australian Weather
  • 链接：http://www.bom.gov.au/climate/dwo/
• 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/#datter 和 FTP
• 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

• 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/
• 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

计算机网络

• 3.5B Web Pages from CommonCraw 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/

搜集汇总

数据集介绍

构建方式

该数据集是通过从博客、回答和用户响应中收集和整理公开数据源而构建的。数据集的构建主要依赖于公开可获得的数据，尽管其中部分数据可能不是免费的。

特点

该数据集的特点在于其涵盖了多个领域的公共数据源，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、地质学、GIS/环境、政府等多个领域。它不仅包含了结构化数据，还包括了非结构化数据，为研究人员提供了丰富的数据资源。

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下载相应的数据集。数据集的访问方式包括直接链接、FTP下载、API调用等。用户需要遵守数据使用条款和条件，并在必要时进行数据清洗和预处理以满足研究需求。

背景与挑战

背景概述

多个数据集是一个汇集了众多领域公共数据集的列表，由sindresorhus创建并维护。该数据集列表主要收集自博客、答案和用户响应，其中大部分数据集是免费的。这些数据集涵盖了从农业到生物学、气候、复杂网络、计算机网络、上下文数据、经济、教育、能源、金融、地质、GIS/环境、政府等多个领域，为研究人员提供了丰富的数据资源。

当前挑战

在构建和使用这些多个数据集时，研究人员面临着诸多挑战。首先，数据集的多样性和异质性使得数据整合和处理变得复杂。其次，数据质量、数据隐私和合规性问题也是需要关注的重要方面。此外，数据集的更新和维护也需要持续的努力，以确保数据的准确性和可用性。在解决领域问题时，如图像分类、自然语言处理等，数据集的选择和质量直接影响到研究结果的可靠性和有效性。

常用场景

经典使用场景

该数据集广泛收集了各领域的公共数据集，其经典使用场景主要在于为研究人员提供丰富的数据资源，以支持他们进行数据分析和挖掘。例如，生物学家可以利用基因组数据集进行基因序列分析，社会学家可以利用经济数据集进行宏观经济趋势研究。

解决学术问题

该数据集解决了学术研究中数据获取的难题，尤其是对于需要大量数据支持的领域，如生物信息学、经济学等。它为研究人员提供了便捷的数据访问途径，从而促进了学术研究的进展。

衍生相关工作

该数据集衍生了许多相关的经典工作，包括但不限于在生物信息学领域对基因表达数据的分析，在经济学领域对宏观经济数据的挖掘，以及在社会网络分析领域对社交网络数据的深入研究。