awesome-public-datasets

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，且持续更新中。

A curated list of high-quality public datasets sourced from the public domain, which is continuously updated.

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。以下是根据README文件内容整理的关键信息：

农业

• U.S. Department of Agricultures PLANTS Database: 提供美国农业相关的植物数据。

生物学

• 1000 Genomes: 人类基因组数据。
• American Gut (Microbiome Project): 美国肠道微生物组项目数据。
• 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: 基因组功能元件百科全书项目数据。
• Ensembl Genomes: 基因组数据库。
• Gene Expression Omnibus (GEO): 基因表达数据库。
• Gene Ontology (GO): 基因本体论数据。
• 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: 国际标准化组织性能评估基准数据。
• MIT Cancer Genomics Data: 麻省理工学院癌症基因组数据。
• NIH Microarray data: 美国国立卫生研究院微阵列数据。
• 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: 公共化学数据库项目。
• PubGene (now Coremine Medical): 生物医学文献基因数据库。
• 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。
• UCSC Public Data: 加州大学圣克鲁兹分校公共数据。
• UniGene: 基因序列数据库。

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: 东安格利亚大学气候数据。
• 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: 东安格利亚大学气候研究单位数据。
• WorldClim - Global Climate Data: 全球气候数据。
• WU Historical Weather Worldwide: 世界天气历史数据。

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: 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收集。
• 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): 斯坦福图形库。
• Stanford Large Network Dataset Collection: 斯坦福大型网络数据集收集。
• The Koblenz Network Collection: 科布伦茨网络收集。
• The Laboratory for Web Algorithmics (UNIMI): 网络算法实验室数据集。
• 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收集。
• 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CommonCrawl网络数据。
• 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: 空间应用挑战。
• 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: 经济复杂性地图集。
• 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。

地质学

• 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: Factual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: Geo Wiki项目 - 公民驱动的环境监测。
• GeoNames Worldwide: GeoNames全球数据。
• 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 - 全球矢量和栅格数据。
• 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: TIGER/Line - 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: 加拿大阿尔伯塔省数据。
• 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: 加拿大阿尔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: 芝加哥数据。
• Dallas Open Data: 达拉斯开放数据。
• DataBC - data from the Province of British Columbia: 不列颠哥伦比亚省数据。
• Denver Open Data: 丹佛开放数据。
• Durham, NC Open Data: 北卡罗来纳州达勒姆开放数据。
• Edmonton, AB, Canada: 加拿大阿尔伯塔省埃德蒙顿数据。
• England LGInform: 英格兰LGInform数据。
• 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: 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: 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: 英国伦敦数据商店。
• London, ON, Canada: 加拿大安大略省伦敦数据。
• Los Angeles Open Data: 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: 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: 俄勒冈州数据。
• Ottawa, ON, Canada: 加拿大安大略省渥太华数据。
• Portland, Oregon: 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: 旧金山数据集。
• Saskatchewan, Province of Canada: 加拿大萨斯喀彻温省数据。
• Seattle: 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: 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: 乌拉圭数据。
• Vancouver, BC Open Data Catalog: 加拿大不列颠哥伦比亚省温哥华开放数据目录。
• Victoria, BC, Canada: 加拿大不列颠哥伦比亚省维多利亚数据。

医疗保健

• **EH

搜集汇总

数据集介绍

构建方式

该数据集是通过收集和整理来自博客、回答和用户响应中的公开数据源而构建的。它包含了许多免费的数据集，但也包括一些非免费的数据集。

特点

数据集的特点在于其涵盖了多个领域的公共数据集，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、能源、金融、地质学、地理空间/GIS、政府、健康护理、图像处理、机器学习等。它不仅包含了结构化数据，还包含了非结构化数据，如文本和图像。

使用方法

用户可以通过访问提供的链接来浏览和下载数据集。每个数据集通常都包含了详细的信息，如数据描述、下载链接、数据格式等。用户需要根据数据集的具体要求和自己的研究需求来使用这些数据。

背景与挑战

背景概述

awesome-public-datasets 是一个收集和整理自博客、回答和用户响应的公共数据集列表。该数据集主要由 sindresorhus 维护，涵盖了多个领域，如农业、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、能源、金融、地质学、地理信息系统、政府、健康护理、图像处理、机器学习等。这些数据集大多数是免费的，但也有一些不是。该数据集的创建旨在方便研究人员和开发者快速找到并使用公共数据。

当前挑战

在构建 awesome-public-datasets 的过程中，主要面临的挑战包括：1) 确保数据集的质量和可靠性，因为数据来源多样，质量参差不齐；2) 数据集的分类和描述需要准确清晰，以便用户能够快速理解并正确使用数据；3) 随着数据集的不断增加，维护和更新成为一个挑战，需要持续的努力来保持数据集的时效性和相关性。

常用场景

经典使用场景

该数据集广泛用于搜集和整理各类公共数据集，是数据科学家和研究者的常用资源库。它涵盖了从农业到机器学习等多个领域的数据集，经典的使用场景包括作为数据集搜索和发现的平台，研究者可以在此找到所需的数据集进行进一步的分析和研究。

衍生相关工作

基于该数据集，已经衍生出许多相关的工作，包括数据集的扩展、针对特定领域的数据清洗和预处理工具，以及利用这些数据集进行的研究项目和学术论文。

数据集最近研究

最新研究方向

该数据集涵盖了多个领域的大量公共数据集，近期研究主要关注于数据集的整合、分析和应用。在生物医学领域，如1000 Genomes和American Gut等数据集，研究人员致力于探索基因变异、微生物群与疾病之间的关系。在气候/weather领域，研究人员利用历史气候数据来预测未来的气候变化趋势。在复杂网络领域，研究重点在于理解网络结构对信息传播和社交网络动态的影响。在计算机视觉领域，如图像Net和Stanford Dogs Dataset等，研究人员致力于提高图像识别和分类的准确性。在机器学习领域，利用Delve Datasets等数据集，研究人员旨在开发更有效的分类和回归算法。这些研究不仅推动了各自领域的发展，也为跨学科的数据科学应用提供了基础。