five

awesome-public-datasets

收藏
github2018-11-23 更新2024-05-31 收录
下载链接：
https://github.com/JackKelly/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，持续更新中。

A curated list of high-quality public datasets sourced from the public domain, continuously updated.
创建时间：
2016-06-08
原始信息汇总

数据集概述

生物学

  • 1000 Genomes
    • 数据来源: http://www.1000genomes.org/data
  • American Gut (Microbiome Project)
    • 数据来源: https://github.com/biocore/American-Gut
  • Broad Cancer Cell Line Encyclopedia (CCLE)
    • 数据来源: http://www.broadinstitute.org/ccle/home
  • Broad Bioimage Benchmark Collection (BBBC)
    • 数据来源: https://www.broadinstitute.org/bbbc
  • Cell Image Library
    • 数据来源: http://www.cellimagelibrary.org
  • Collaborative Research in Computational Neuroscience (CRCNS)
    • 数据来源: http://crcns.org/data-sets
  • Complete Genomics Public Data
    • 数据来源: http://www.completegenomics.com/public-data/69-genomes/
  • EBI ArrayExpress
    • 数据来源: http://www.ebi.ac.uk/arrayexpress/
  • EBI Protein Data Bank in Europe
    • 数据来源: http://www.ebi.ac.uk/pdbe/emdb/index.html/
  • Electron Microscopy Pilot Image Archive (EMPIAR)
    • 数据来源: http://www.ebi.ac.uk/pdbe/emdb/empiar/
  • ENCODE project
    • 数据来源: https://www.encodeproject.org
  • Ensembl Genomes
    • 数据来源: http://ensemblgenomes.org/info/genomes
  • Gene Expression Omnibus (GEO)
    • 数据来源: http://www.ncbi.nlm.nih.gov/geo/
  • Gene Ontology (GO)
    • 数据来源: http://geneontology.org/page/download-annotations
  • Global Biotic Interactions (GloBI)
    • 数据来源: https://github.com/jhpoelen/eol-globi-data/wiki#accessing-species-interaction-data
  • Harvard Medical School (HMS) LINCS Project
    • 数据来源: http://lincs.hms.harvard.edu
  • Human Genome Diversity Project
    • 数据来源: http://www.hagsc.org/hgdp/files.html
  • Human Microbiome Project (HMP)
    • 数据来源: http://www.hmpdacc.org/reference_genomes/reference_genomes.php
  • ICOS PSP Benchmark
    • 数据来源: http://ico2s.org/datasets/psp_benchmark.html
  • International HapMap Project
    • 数据来源: http://hapmap.ncbi.nlm.nih.gov/downloads/index.html.en
  • Journal of Cell Biology DataViewer
    • 数据来源: http://jcb-dataviewer.rupress.org
  • MIT Cancer Genomics Data
    • 数据来源: http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi
  • NCBI Proteins
    • 数据来源: http://www.ncbi.nlm.nih.gov/guide/proteins/#databases
  • NCBI Taxonomy
    • 数据来源: http://www.ncbi.nlm.nih.gov/taxonomy
  • NeuroData
    • 数据来源: http://neurodata.io
  • NIH Microarray data
    • 数据来源: http://bit.do/VVW6 或 ftp://ftp.ncbi.nih.gov/pub/geo/DATA/supplementary/series/GSE6532/
  • OpenSNP genotypes data
    • 数据来源: https://opensnp.org/
  • Pathguid - Protein-Protein Interactions Catalog
    • 数据来源: http://www.pathguide.org/
  • Protein Data Bank
    • 数据来源: http://www.rcsb.org/
  • Psychiatric Genomics Consortium
    • 数据来源: https://www.med.unc.edu/pgc/downloads
  • PubChem Project
    • 数据来源: https://pubchem.ncbi.nlm.nih.gov/
  • PubGene (now Coremine Medical)
    • 数据来源: http://www.pubgene.org/
  • Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
    • 数据来源: http://cancer.sanger.ac.uk/cosmic
  • Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
    • 数据来源: http://www.cancerrxgene.org/
  • Sequence Read Archive(SRA)
    • 数据来源: http://www.ncbi.nlm.nih.gov/Traces/sra/
  • Stanford Microarray Data
    • 数据来源: http://smd.stanford.edu/
  • Stowers Institute Original Data Repository
    • 数据来源: http://www.stowers.org/research/publications/odr
  • Systems Science of Biological Dynamics (SSBD) Database
    • 数据来源: http://ssbd.qbic.riken.jp
  • Temple University Hospital EEG Database
    • 数据来源: https://www.nedcdata.org/drupal/node/12
  • The Cancer Genome Atlas (TCGA), available via Broad GDAC
    • 数据来源: https://gdac.broadinstitute.org/
  • The Catalogue of Life
    • 数据来源: http://www.catalogueoflife.org/content/annual-checklist-archive
  • The Personal Genome Project
    • 数据来源: http://www.personalgenomes.org/ 或 https://my.pgp-hms.org/public_genetic_data
  • UCSC Public Data
    • 数据来源: http://hgdownload.soe.ucsc.edu/downloads.html
  • Universal Protein Resource (UnitProt)
    • 数据来源: http://www.uniprot.org/downloads
  • UniGene
    • 数据来源: http://www.ncbi.nlm.nih.gov/unigene

气候/天气

  • Australian Weather
    • 数据来源: http://www.bom.gov.au/climate/dwo/
  • Brazilian Weather - Historical data (In Portuguese)
    • 数据来源: http://sinda.crn2.inpe.br/PCD/SITE/novo/site/
  • Canadian Meteorological Centre
    • 数据来源: http://weather.gc.ca/grib/index_e.html
  • Climate Data from UEA (updated monthly)
    • 数据来源: https://crudata.uea.ac.uk/cru/data/temperature/ 和 ftp://ftp.cmdl.noaa.gov/
  • European Climate Assessment & Dataset
    • 数据来源: http://eca.knmi.nl/
  • Global Climate Data Since 1929
    • 数据来源: http://en.tutiempo.net/climate
  • NASA Global Imagery Browse Services
    • 数据来源: https://wiki.earthdata.nasa.gov/display/GIBS
  • NOAA Bering Sea Climate
    • 数据来源: http://www.beringclimate.noaa.gov/
  • NOAA Climate Datasets
    • 数据来源: http://www.ncdc.noaa.gov/data-access/quick-links
  • NOAA Realtime Weather Models
    • 数据来源: http://www.ncdc.noaa.gov/data-access/model-data/model-datasets/numerical-weather-prediction
  • The World Bank Open Data Resources for Climate Change
    • 数据来源: http://data.worldbank.org/developers/climate-data-api
  • UEA Climatic Research Unit
    • 数据来源: http://www.cru.uea.ac.uk/data
  • WorldClim - Global Climate Data
    • 数据来源: http://www.worldclim.org
  • WU Historical Weather Worldwide
    • 数据来源: https://www.wunderground.com/history/index.html

复杂网络

  • AMiner Citation Network Dataset
    • 数据来源: http://aminer.org/citation
  • CrossRef DOI URLs
    • 数据来源: https://archive.org/details/doi-urls
  • DBLP Citation dataset
    • 数据来源: https://kdl.cs.umass.edu/display/public/DBLP
  • NBER Patent Citations
    • 数据来源: http://nber.org/patents/
  • Network Repository with Interactive Exploratory Analysis Tools
    • 数据来源: http://networkrepository.com/
  • NIST complex networks data collection
    • 数据来源: http://math.nist.gov/~RPozo/complex_datasets.html
  • Protein-protein interaction network
    • 数据来源: http://vlado.fmf.uni-lj.si/pub/networks/data/bio/Yeast/Yeast.htm
  • PyPI and Maven Dependency Network
    • 数据来源: https://ogirardot.wordpress.com/2013/01/31/sharing-pypimaven-dependency-data/
  • Scopus Citation Database
    • 数据来源: https://www.elsevier.com/solutions/scopus
  • Small Network Data
    • 数据来源: http://www-personal.umich.edu/~mejn/netdata/
  • Stanford GraphBase (Steven Skiena)
    • 数据来源: http://www3.cs.stonybrook.edu/~algorith/implement/graphbase/implement.shtml
  • Stanford Large Network Dataset Collection
    • 数据来源: http://snap.stanford.edu/data/
  • Stanford Longitudinal Network Data Sources
    • 数据来源: http://stanford.edu/group/sonia/dataSources/index.html
  • The Koblenz Network Collection
    • 数据来源: http://konect.uni-koblenz.de/
  • The Laboratory for Web Algorithmics (UNIMI)
    • 数据来源: http://law.di.unimi.it/datasets.php
  • The Nexus Network Repository
    • 数据来源: http://nexus.igraph.org/
  • UCI Network Data Repository
    • 数据来源: https://networkdata.ics.uci.edu/resources.php
  • UFL sparse matrix collection
    • 数据来源: http://www.cise.ufl.edu/research/sparse/matrices/
  • WSU Graph Database
    • 数据来源: http://www.eecs.wsu.edu/mgd/gdb.html
  • DIMACS Road Networks Collection
    • 数据来源: http://www.dis.uniroma1.it/challenge9/download.shtml

计算机网络

  • 3.5B Web Pages from CommonCraw 2012
    • 数据来源: 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.
    • 数据来源: http://cnets.indiana.edu/groups/nan/webtraffic/click-dataset/
  • CAIDA Internet Datasets
    • 数据来源: http://www.caida.org/data/overview/
  • ClueWeb09 - 1B web pages
    • 数据来源: http://lemurproject.org/clueweb09/
  • ClueWeb12 - 733M web pages
    • 数据来源: http://lemurproject.org/clueweb12/
  • CommonCrawl Web Data over 7 years
    • 数据来源: http://commoncrawl.org/the-data/get-started/
  • CRAWDAD Wireless datasets from Dartmouth Univ.
    • 数据来源: https://crawdad.cs.dartmouth.edu/
  • Criteo click-through data
    • 数据来源: http://labs.criteo.com/2015/03/criteo-releases-its-new-dataset/
  • Open Mobile Data by MobiPerf
    • 数据来源: https://console.developers.google.com/storage/openmobiledata_public/
  • Rapid7 Sonar Internet Scans
    • 数据来源: https://sonar.labs.rapid7.com/
  • UCSD Network Telescope, IPv4 /8 net
    • 数据来源: http://www.caida.org/projects/network_telescope/

上下文数据

  • Context-aware data sets from five domains
    • 数据来源: http://students.depaul.edu/~yzheng8/DataSets.html#Data 或 https://github.com/irecsys/CARSKit/tree/master/context-aware_data_sets

数据挑战

  • Challenges in Machine Learning
    • 数据来源: http://www.chalearn.org/
  • CrowdANALYTIX dataX
    • 数据来源: http://data.crowdanalytix.com/
  • D4D Challenge of Orange
    • 数据来源: http://www.d4d.orange.com/en/home
  • DrivenData Competitions for Social Good
    • 数据来源: http://www.drivendata.org/
  • ICWSM Data Challenge (since 2009)
    • 数据来源: http://icwsm.cs.umbc.edu/
  • Kaggle Competition Data
    • 数据来源: https://www.kaggle.com/
  • KDD Cup by Tencent 2012
    • 数据来源: http://www.kddcup2012.org/
  • Localytics Data Visualization Challenge
    • 数据来源: https://github.com/localytics/data-viz-challenge
  • Netflix Prize
    • 数据来源: http://www.netflixprize.com/leaderboard
  • Space Apps Challenge
    • 数据来源: https://2015.spaceappschallenge.org/
  • Telecom Italia Big Data Challenge
    • 数据来源: https://dandelion.eu/datamine/open-big-data/
  • Yelp Dataset Challenge
    • 数据来源: http://www.yelp.com/dataset_challenge
  • Bruteforce Database
    • 数据来源: https://github.com/duyetdev/bruteforce-database

经济学

  • American Economic Ass (AEA)
    • 数据来源: https://www.aeaweb.org/RFE/toc.php?show=complete
  • EconData from UMD
    • 数据来源: http://inforumweb.umd.edu/econdata/econdata.html
  • Economic Freedom of the World Data
    • 数据来源: http://www.freetheworld.com/datasets_efw.html
  • Historical MacroEconomic Statistics
    • 数据来源: http://www.historicalstatistics.org/
  • International Trade Statistics
    • 数据来源: http://www.econostatistics.co.za/
  • Internet Product Code Database
    • 数据来源: http://www.upcdatabase.com/
  • Joint External Debt Data Hub
    • 数据来源: http://www.jedh.org/
  • Jon Haveman International Trade Data Links
    • 数据来源: http://www.macalester.edu/research/economics/PAGE/HAVEMAN/Trade.Resources/TradeData.html
  • OpenCorporates Database of Companies in the World
    • 数据来源: https://opencorporates.com/
  • Our World in Data
    • 数据来源: http://ourworldindata.org/
  • SciencesPo World Trade Gravity Datasets
    • 数据来源: http://econ.sciences-po.fr/thierry-mayer/data
  • The Atlas of Economic Complexity
    • 数据来源: http://atlas.cid.harvard.edu/
  • The Center for International Data
    • 数据来源: http://cid.econ.ucdavis.edu/
  • The Observatory of Economic Complexity
    • 数据来源: http://atlas.media.mit.edu/en/
  • UN Commodity Trade Statistics
    • 数据来源: http://comtrade.un.org/db/
  • UN Human Development Reports
    • 数据来源: http://hdr.undp.org/en/

教育

  • **
搜集汇总
数据集介绍
main_image_url
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共数据源而构建的。数据集列出的多数数据集是免费的，但也有一些不是。
特点
数据集的特点在于其广泛性，涵盖了从农业、生物学到气候、网络等多个领域的公共数据集。它不仅包含了结构化数据，还包括了一些非结构化数据，如图片和文本。
使用方法
用户可以通过GitHub页面浏览和下载数据集，每个数据集都有详细的描述和链接指向数据源。对于需要特定数据集的用户，可以直接访问提供的数据链接进行下载。
背景与挑战
背景概述
awesome-public-datasets数据集是一个由sindresorhus维护的公共数据集列表，旨在搜集和整理网络上可用的各类公共数据集。该数据集涵盖了许多领域，包括农业、生物学、气候、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、健康护理、图像处理、机器学习、博物馆等。该数据集的创建时间为2016年，主要维护者是sindresorhus，其核心研究问题是搜集和整理网络上可用的公共数据集，对相关领域的影响力体现在为研究人员提供了便捷的数据集获取途径。
当前挑战
数据集构建过程中的挑战主要包括：1)数据的搜集和整理，需要从众多来源中筛选出有价值的数据集；2)数据的分类和描述，需要准确地对数据集进行分类并撰写清晰的描述；3)数据的更新和维护，随着新的数据集不断出现，需要及时更新列表。所解决的领域问题包括为研究人员提供便捷的数据集获取途径，降低数据获取的门槛。
常用场景
经典使用场景
awesome-public-datasets数据集经典使用场景是作为公共数据集的整理与分享平台，为研究人员提供各类数据集的链接和简要描述，方便学者快速找到所需数据资源。
实际应用
在实际应用中，awesome-public-datasets被广泛用于数据科学、机器学习、统计分析等领域，为各种研究和项目提供了数据支持。
衍生相关工作
基于该数据集，衍生出了许多相关的数据集整理和数据分析工作，如针对特定领域的数据集梳理和基于这些数据集的学术研究。
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