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 list of high-quality public datasets covering multiple fields such as agriculture, biology, climate/weather, etc.

原始信息汇总

数据集概述

本数据集名为“Awesome Public Datasets”，收集并整理了来自博客、问答和用户反馈的公共数据源。数据集中的大部分数据集是免费的，但也有一些不是。该数据集涵盖了多个领域，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、地理空间/GIS、政府、医疗保健、图像处理等。

数据集内容

农业

• U.S. Department of Agricultures PLANTS Database

生物学

• 1000 Genomes
• American Gut (Microbiome Project)
• Cell Image Library
• Collaborative Research in Computational Neuroscience (CRCNS)
• EBI ArrayExpress
• EBI Protein Data Bank in Europe
• ENCODE project
• Ensembl Genomes
• Gene Expression Omnibus (GEO)
• Gene Ontology (GO)
• Global Biotic Interactions (GloBI)
• Harvard Medical School (HMS) LINCS Project
• Human Microbiome Project (HMP)
• ICOS PSP Benchmark
• Journal of Cell Biology DataViewer
• MIT Cancer Genomics Data
• NIH Microarray data
• OpenSNP genotypes data
• Pathguid - Protein-Protein Interactions Catalog
• Protein Data Bank
• PubChem Project
• PubGene (now Coremine Medical)
• Sequence Read Archive(SRA)
• Stanford Microarray Data
• Stowers Institute Original Data Repository
• Systems Science of Biological Dynamics (SSBD) Database
• The Catalogue of Life
• The Personal Genome Project
• UCSC Public Data
• UniGene

气候/天气

• Australian Weather
• Brazilian Weather - Historical data (In Portuguese)
• Canadian Meteorological Centre
• Climate Data from UEA (updated monthly)
• European Climate Assessment & Dataset
• Global Climate Data Since 1929
• NASA Global Imagery Browse Services
• NOAA Bering Sea Climate
• NOAA Climate Datasets
• NOAA Realtime Weather Models
• The World Bank Open Data Resources for Climate Change
• UEA Climatic Research Unit
• WorldClim - Global Climate Data
• WU Historical Weather Worldwide

复杂网络

• CrossRef DOI URLs
• DBLP Citation dataset
• NBER Patent Citations
• NIST complex networks data collection
• Protein-protein interaction network
• PyPI and Maven Dependency Network
• Scopus Citation Database
• Small Network Data
• Stanford GraphBase (Steven Skiena)
• Stanford Large Network Dataset Collection
• The Koblenz Network Collection
• The Laboratory for Web Algorithmics (UNIMI)
• The Nexus Network Repository
• UCI Network Data Repository
• UFL sparse matrix collection
• WSU Graph Database
• Stanford Longitudinal Network Data Sources

计算机网络

• 3.5B Web Pages from CommonCraw 2012
• 53.5B Web clicks of 100K users in Indiana Univ.
• CAIDA Internet Datasets
• ClueWeb09 - 1B web pages
• ClueWeb12 - 733M web pages
• CommonCrawl Web Data over 7 years
• CRAWDAD Wireless datasets from Dartmouth Univ.
• Criteo click-through data
• Open Mobile Data by MobiPerf
• UCSD Network Telescope, IPv4 /8 net

上下文数据

• Context-aware data sets from five domains

数据挑战

• Challenges in Machine Learning
• CrowdANALYTIX dataX
• D4D Challenge of Orange
• DrivenData Competitions for Social Good
• ICWSM Data Challenge (since 2009)
• Kaggle Competition Data
• KDD Cup by Tencent 2012
• Localytics Data Visualization Challenge
• Netflix Prize
• Space Apps Challenge
• Telecom Italia Big Data Challenge
• Yelp Dataset Challenge

经济学

• American Economic Ass (AEA)
• EconData from UMD
• Economic Freedom of the World Data
• Historical MacroEconomic Statistics
• International Trade Statistics
• Internet Product Code Database
• Joint External Debt Data Hub
• Jon Haveman International Trade Data Links
• OpenCorporates Database of Companies in the World
• Our World in Data
• SciencesPo World Trade Gravity Datasets
• The Atlas of Economic Complexity
• The Center for International Data
• The Observatory of Economic Complexity
• UN Commodity Trade Statistics
• UN Human Development Reports

能源

• AMPds
• BLUEd
• COMBED
• Dataport
• ECO
• EIA
• HFED
• iAWE
• Plaid
• REDD
• UK-Dale

金融

• CBOE Futures Exchange
• Google Finance
• Google Trends
• NASDAQ
• OANDA
• OSU Financial data
• Quandl
• St Louis Federal
• Yahoo Finance

地质

• Earth Models
• Smithsonian Institution Global Volcano and Eruption Database
• USGS Earthquake Archives

地理空间/GIS

• BODC - marine data of ~22K vars
• Cambridge, MA, US, GIS data on GitHub
• EOSDIS - NASAs earth observing system data
• Factual Global Location Data
• Geo Spatial Data from ASU
• Geo Wiki Project - Citizen-driven Environmental Monitoring
• GeoNames Worldwide
• Global Administrative Areas Database (GADM)
• International Institute for Systems Analysis - GIS Datasets
• Landsat 8 on AWS
• List of all countries in all languages
• Natural Earth - vectors and rasters of the world
• OpenAddresses
• OpenStreetMap (OSM)
• Reverse Geocoder using OSM data
• TIGER/Line - U.S. boundaries and roads
• TwoFishes - Foursquares coarse geocoder
• TZ Timezones shapfiles
• UN Environmental Data
• World countries in multiple formats

政府

• Alberta, Province of Canada
• Antwerp, Belgium
• Argentina (non official)
• Argentina
• Austin, TX, US
• Australia (abs.gov.au)
• Australia (data.gov.au)
• Austria (data.gv.at)
• Baton Rouge, LA, US
• Belgium
• Brazil
• Buenos Aires, Argentina
• Calgary, AB, Canada
• Cambridge, MA, US
• Canada
• Chicago
• Dallas Open Data
• DataBC - data from the Province of British Columbia
• Denver Open Data
• Durham, NC Open Data
• Edmonton, AB, Canada
• England LGInform
• EuroStat
• FedStats
• Finland
• France
• Fredericton, NB, Canada
• Gatineau, QC, Canada
• Germany
• Ghent, Belgium
• Glasgow, Scotland, UK
• Guardian world governments
• Halifax, NS, Canada
• Helsinki Region, Finland
• Houston Open Data
• Indian Government Data
• Indonesian Data Portal
• Laval, QC, Canada
• London Datastore, UK
• London, ON, Canada
• Los Angeles Open Data
• MassGIS, Massachusetts, U.S.
• Mexico
• Missisauga, ON, Canada
• Moncton, NB, Canada
• Montreal, QC, Canada
• Netherlands
• New Zealand
• NYC betanyc
• NYC Open Data
• OECD
• Oklahoma
• Open Government Data (OGD) Platform India
• Oregon
• Ottawa, ON, Canada
• Portland, Oregon
• Puerto Rico Government
• Quebec City, QC, Canada
• Quebec Province of Canada
• Regina SK, Canada
• Rio de Janeiro, Brazil
• Romania
• Russia
• San Francisco Data sets
• Saskatchewan, Province of Canada
• Seattle
• Singapore Government Data
• South Africa
• South Africa Trade Statistics
• State of Utah, US
• Switzerland
• Texas Open Data
• The World Bank
• Toronto, ON, Canada
• U.K. Government Data
• U.S. American Community Survey
• U.S. CDC Public Health datasets
• U.S. Census Bureau
• U.S. Department of Housing and Urban Development (HUD)
• U.S. Federal Government Agencies
• U.S. Federal Government Data Catalog
• U.S. Food and Drug Administration (FDA)
• U.S. National Center for Education Statistics (NCES)
• U.S. Open Government
• UK 2011 Census Open Atlas Project
• United Nations
• Uruguay
• Vancouver, BC Open Data Catalog
• Victoria, BC, Canada

医疗保健

• EHDP Large Health Data Sets
• Gapminder World demographic databases
• Medicare Coverage Database (MCD), U.S.
• Medicare Data Engine of medicare.gov Data
• Medicare Data File
• MeSH, the vocabulary thesaurus used for indexing articles for PubMed
• Number of Ebola Cases and Deaths in Affected Countries (2014)
• Open-ODS (structure of the UK NHS)
• The Cancer Genome Atlas project (TCGA)
• World Health Organization Global Health Observatory

图像处理

• 10k US Adult Faces Database
• 2GB of Photos of Cats
• Affective Image Classification
• Animals with attributes
• Face Recognition Benchmark
• ImageNet (in WordNet hierarchy)
• Indoor Scene Recognition
• International Affective Picture System, UFL
• Massive Visual Memory Stimuli, MIT
• Several Shape-from-Silhouette Datasets
• Stanford Dogs Dataset
• SUN database, MIT
• The Oxford-IIIT Pet Dataset

搜集汇总

数据集介绍

构建方式

该数据集是一个收集自博客、回答和用户响应的公共数据源列表。数据集的构建主要通过整理和分类这些来源中的数据，以确保数据的可用性和可访问性。

使用方法

用户可以通过访问GitHub上的数据集列表来查看和下载所需的数据集。每个数据集都有详细的描述和链接，方便用户直接导航到数据集的原始位置或相关资源。

背景与挑战

背景概述

‘awesome-public-datasets’是一个由sindresorhus创建和维护的GitHub项目，旨在收集和整理网络上公开的数据集资源。该项目汇集了来自不同领域的公共数据集，涵盖了农业、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、医疗保健、图像处理等多个领域。这些数据集大部分是免费的，但也有一些可能需要付费。项目创建于2016年，由caesar0301进行维护，是一个广受欢迎的数据集资源列表，对相关领域的研究人员提供了极大的帮助和便利。

当前挑战

在构建‘awesome-public-datasets’的过程中，主要面临的挑战包括：1) 数据集的收集和整理，由于数据集来源广泛，涉及多个领域，因此需要花费大量时间和精力进行筛选和整理；2) 数据集的质量控制，确保收录的数据集是可靠和有用的；3) 数据集的更新和维护，随着新的数据集不断出现，需要定期更新列表以保持其时效性和准确性。此外，数据集在解决特定领域问题时也面临挑战，例如在图像处理领域，如何有效地分类和识别图像是一个持续的挑战。

常用场景

经典使用场景

该数据集主要被用于收集和整理各种公共数据源，其经典使用场景在于为研究人员提供了一个全面的公共数据集列表，方便他们根据自己的研究需求快速找到合适的数据集，从而提高研究的效率。

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，尤其是对于那些需要大量数据集以进行机器学习、数据挖掘等研究的研究人员来说，它提供了一个便捷的平台，使他们能够轻松地访问和下载数据。

实际应用

在实际应用中，该数据集可用于教育、商业分析、政府决策支持等多个领域，帮助用户通过数据分析来优化决策过程，提高效率。

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、医疗保健、图像处理等。在最近的研究中，该数据集的方向主要集中在数据的整合、清洗、以及探索其在各个领域的应用，如生物信息学中的基因序列分析、气候科学中的模式识别、金融领域的市场预测等。研究者们也在关注如何利用这些数据集进行跨学科的研究，以及开发新的数据分析工具和方法。