five

awesome-public-datasets

收藏
github2020-09-19 更新2024-05-31 收录
下载链接：
https://github.com/luoren-mck/awesome-public-datasets
下载链接
链接失效反馈
官方服务：
资源简介：
这是一个高质量公开数据集的精选列表，涵盖了多个领域，如农业、生物学、气候/天气等。

This is a curated list of high-quality public datasets, covering multiple fields such as agriculture, biology, climate/weather, and more.
创建时间：
2020-09-19
原始信息汇总

数据集概述

农业

  • U.S. Department of Agricultures PLANTS Database
    • 网址: http://www.plants.usda.gov/dl_all.html

生物学

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

气候/天气

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

复杂网络

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

计算机网络

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

上下文数据

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

数据挑战

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

地球科学

  • AQUASTAT - Global water resources and uses
    • 网址: http://www.fao.org/nr/water/aquastat/data/query/index.html?lang=en
  • BODC - marine data of ~22K vars
    • 网址: http://www.bodc.ac.uk/data/where_to_find_data/
  • Earth Models
    • 网址: http://www.earthmodels.org/
  • EOSDIS - NASAs earth observing system data
    • 网址: http://sedac.ciesin.columbia.edu/data/sets/browse
  • Integrated Marine Observing System (IMOS) - roughly 30TB of ocean measurements
    • 网址: https://imos.aodn.org.au/ 或 S3: http://imos-data.s3-website-ap-southeast-2.amazonaws.com/
  • Marinexplore - Open Oceanographic Data
    • 网址: http://marinexplore.org/
  • Smithsonian Institution Global Volcano and Eruption Database
    • 网址: http://volcano.si.edu/
  • USGS Earthquake Archives
    • 网址: http://earthquake.usgs.gov/earthquakes/search/

经济学

  • American Economic Association (AEA)
    • 网址: https://www.aeaweb.org/resources/data
  • EconData from UMD
    • 网址: http://inforumweb.umd.edu/econdata/econdata.html
  • Economic Freedom of the World Data
    • 网址: http://www.freetheworld.com/datasets_efw.html
  • Historical MacroEconomic Statistics
    • 网址: http://www.historicalstatistics.org/
  • International Economics Database
    • 网址: http://widukind.cepremap.org/ 和 各种数据工具: https://github.com/Widuk
搜集汇总
数据集介绍
main_image_url
构建方式
awesome-public-datasets数据集通过整合来自博客、问答平台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、教育、能源、金融、地理信息系统等。每个领域的数据源均经过精心筛选和整理，确保数据的多样性和广泛性。数据集中的大部分数据是免费的，但也包含部分付费资源，以满足不同用户的需求。
使用方法
用户可以通过访问GitHub上的README文件，浏览按领域分类的数据源链接。每个链接都指向具体的数据集或数据平台，用户可以根据需求下载或在线访问数据。对于研究人员和数据分析师，该数据集提供了一个便捷的入口，能够快速获取多领域的公开数据，支持科学研究、数据分析和项目开发。此外，数据集还提供了部分付费资源的链接，用户可以根据需要选择是否购买。
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。该数据集最初由GitHub用户caesar0301于2014年创建，旨在为研究人员和开发者提供一个便捷的公共数据访问平台。随着时间的推移，该数据集不断扩展，包含了来自全球各地的数据源，涵盖了从基因组数据到气候模型的广泛内容。其核心研究问题在于如何有效地整合和标准化来自不同领域的数据，以便于跨学科的研究和应用。该数据集对数据科学、机器学习、生物信息学等领域的研究产生了深远的影响，推动了开放数据运动的发展。
当前挑战
awesome-public-datasets 数据集面临的挑战主要包括两个方面。首先，数据集的多样性和广泛性带来了数据标准化和整合的难题。由于数据来源众多，格式各异，如何将这些数据统一到一个可操作的框架中是一个巨大的挑战。其次，数据集的更新和维护也是一个重要问题。随着新数据的不断涌现，如何确保数据集的时效性和准确性，同时避免数据冗余和过时信息的积累，是数据集维护者需要持续关注的问题。此外，数据集的开放性和可访问性也带来了隐私和数据安全的挑战，特别是在涉及敏感信息（如基因组数据）时，如何在开放与保护之间找到平衡点是一个亟待解决的问题。
常用场景
经典使用场景
在生物信息学领域，awesome-public-datasets 提供了丰富的基因组、蛋白质组和细胞图像数据，这些数据被广泛用于基因表达分析、蛋白质结构预测和细胞行为研究。例如，1000 Genomes 数据集被用于研究人类基因组的多样性，而 Broad Bioimage Benchmark Collection (BBBC) 则被用于开发图像分析算法。
解决学术问题
该数据集解决了生物信息学中的多个关键问题，如基因变异的功能注释、蛋白质相互作用网络的构建以及癌症基因组学的数据分析。通过整合多个公开数据集，研究人员能够更全面地理解生物系统的复杂性，推动了精准医学和个性化治疗的发展。
实际应用
在实际应用中，awesome-public-datasets 的数据被用于药物开发、疾病诊断和农业改良。例如，The Cancer Genome Atlas (TCGA) 的数据被用于识别癌症的分子标志物，而 U.S. Department of Agriculture's PLANTS Database 则被用于优化作物育种策略。
数据集最近研究
最新研究方向
近年来，awesome-public-datasets数据集在多个领域的研究中展现了其广泛的应用价值。在生物学领域，1000 Genomes和ENCODE项目的数据被用于基因组学和表观遗传学的前沿研究，推动了精准医学的发展。在气候与天气领域，NASA和NOAA提供的气候数据集被广泛应用于气候变化模型和极端天气事件的预测，为全球气候政策的制定提供了科学依据。此外，复杂网络领域的研究者利用Stanford Large Network Dataset Collection等数据集，深入探讨了社交网络、生物网络和信息传播网络的动态特性。这些研究不仅推动了理论的发展，也为实际应用如推荐系统和网络安全提供了新的思路。
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