five

awesome-public-datasets

收藏
github2019-04-03 更新2024-05-31 收录
下载链接：
https://github.com/adiamb/awesome-public-datasets
下载链接
链接失效反馈
官方服务：
资源简介：
一个包含高质量开放数据集的精选列表，这些数据集来自公共领域，由大家共同维护和更新。

A curated list of high-quality open datasets sourced from the public domain, collaboratively maintained and updated by the community.
创建时间：
2017-06-21
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
  • Broad Bioimage Benchmark Collection (BBBC)
    • 链接: https://www.broadinstitute.org/bbbc
  • Cell Image Library
    • 链接: http://www.cellimagelibrary.org
  • 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/
  • Electron Microscopy Pilot Image Archive (EMPIAR)
    • 链接: http://www.ebi.ac.uk/pdbe/emdb/empiar/
  • 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 Interactions (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
  • NCI Genomic Data Commons
    • 链接: https://gdc-portal.nci.nih.gov
  • NIH Microarray data
    • 链接: http://bit.do/VVW6 或 FTP链接: ftp://ftp.ncbi.nih.gov/pub/geo/DATA/supplementary/series/GSE6532/
  • 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
  • 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链接: https://my.pgp-hms.org/public_genetic_data
  • 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

  • Actuaries Climate Index
    • 链接: http://actuariesclimateindex.org/data/
  • Australian Weather
    • 链接: http://www.bom.gov.au/climate/dwo/
  • Aviation Weather Center - Consistent, timely and accurate weather information for the world airspace system
    • 链接: https://aviationweather.gov/adds/dataserver
  • 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/ 和 ftp://ftp.cmdl.noaa.gov/
  • 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
  • NOAA SURFRAD Meteorology and Radiation Datasets
    • 链接: https://www.esrl.noaa.gov/gmd/grad/stardata.html
  • 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

  • AMiner Citation Network Dataset
    • 链接: http://aminer.org/citation
  • 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/
  • Network Repository with Interactive Exploratory Analysis Tools
    • 链接: http://networkrepository.com/
  • 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
  • DIMACS Road Networks Collection
    • 链接: http://www.dis.uniroma1.it/challenge9/download.shtml

计算机网络

  • 3.5B Web Pages from CommonCrawl 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/clueweb09/
  • ClueWeb12 - 733M web pages
    • 链接: http://lemurproject.org/clueweb12/
  • CommonCrawl Web Data over 7 years
    • 链接: http://commoncrawl.org/the-data/get-started/
  • CRAWDAD Wireless datasets from Dartmouth Univ.
    • 链接: https://crawdad.cs.dartmouth.edu/
  • Criteo click-through data
    • 链接: http://labs.criteo.com/2015/03/criteo-releases-its-new-dataset/
  • OONI: Open Observatory of Network Interference - Internet censorship data
    • 链接: https://ooni.torproject.org/data/
  • Open Mobile Data by MobiPerf
    • 链接: https://console.developers.google.com/storage/openmobiledata_public/
  • Rapid7 Sonar Internet Scans
    • 链接: https://sonar.labs.rapid7.com/
  • UCSD Network Telescope, IPv4 /8 net
    • 链接: http://www.caida.org/projects/network_telescope/

上下文数据

  • Context-aware data sets from five domains
    • 链接: https://github.com/irecsys/CARSKit/tree/master/context-aware_data_sets

数据挑战

  • Challenges in Machine Learning
    • 链接: http://www.chalearn.org/
  • CrowdANALYTIX dataX
    • 链接: http://data.crowdanalytix.com/
  • D4D Challenge of Orange
    • 链接: http://www.d4d.orange.com/en/home
  • DrivenData Competitions for Social Good
    • 链接: http://www.drivendata.org/
  • ICWSM Data Challenge (since 2009)
    • 链接: http://icwsm.cs.umbc.edu/
  • Kaggle Competition Data
    • 链接: https://www.kaggle.com/
  • KDD Cup by Tencent 2012
    • 链接: http://www.kddcup2012.org/
  • Localytics Data Visualization Challenge
    • 链接: https://github.com/localytics/data-viz-challenge
  • Netflix Prize
    • 链接: http://netflixprize.com/leaderboard.html
  • Space Apps Challenge
    • 链接: https://2015.spaceappschallenge.org/
  • Telecom Italia Big Data Challenge
    • 链接: https://dandelion.eu/datamine/open-big-data/
  • Yelp Dataset Challenge
    • 链接: http://www.yelp.com/dataset_challenge
  • Bruteforce Database
    • 链接: https://github.com/duyetdev/bruteforce-database
  • TravisTorrent Dataset - MSR2017 Mining Challenge
    • 链接: https://travistorrent.testroots.org/

地球科学

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

经济学

  • American Economic Association (AEA)
    • 链接: https://www.aeaweb.org/resources/data
  • EconData from UMD
    • 链接: http://inforumweb.umd.edu/econdata/econdata.html
  • Economic Freedom of the World Data
    • 链接: http://www.freetheworld.com/datasets_efw.html
  • Historical MacroEconomic Statistics
    • 链接: http://www.historicalstatistics.org/
  • International Economics Database
    • 链接: http://widukind
搜集汇总
数据集介绍
main_image_url
构建方式
该数据集是通过收集和整理来自博客、回答和用户响应的公共数据源而构建的。数据集大部分是免费的，但也有一些是收费的。
特点
数据集的特点是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、地球科学、经济学、教育、能源、金融、GIS、政府、医疗保健、图像处理、机器学习等。它提供了一个全面的、跨学科的公共数据集列表。
使用方法
用户可以通过GitHub页面浏览和搜索数据集，每个数据集都有详细的描述和访问链接。用户可以根据自己的需要选择合适的数据集，并遵循数据集的许可和使用条款进行使用。
背景与挑战
背景概述
‘awesome-public-datasets’是一个由社区贡献的公共数据集列表，旨在为研究人员和开发者提供方便的数据资源。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、地球科学、经济学、教育、能源、金融、GIS、政府、医疗保健、图像处理、机器学习等。这些数据集的收集始于2012年，由sindresorhus等研究人员和机构维护，对相关领域的研究产生了重要影响。
当前挑战
该数据集面临的挑战主要包括：1) 领域问题挑战，例如在图像分类、生物信息学、网络分析等领域，数据集的构建和更新需要应对领域内的特定问题；2) 构建过程中的挑战，包括数据的收集、清洗、整合和共享等环节的技术难题。
常用场景
经典使用场景
awesome-public-datasets数据集经典使用场景在于为研究者提供了一个丰富多样的公开数据集列表，这些数据集涵盖了从农业到机器学习等多个领域。用户可以方便地查找并获取所需的数据集，用于学术研究、数据分析、算法开发等。
衍生相关工作
基于awesome-public-datasets，衍生出了许多相关的经典工作，包括但不限于数据集的整理、分析框架的构建以及在此基础上进行的学术研究和应用开发。
数据集最近研究
最新研究方向
awesome-public-datasets 数据集涵盖了多个领域，其最新研究方向主要集中于数据的整合、清洗以及在不同领域的应用探索。例如，生物医学领域的研究者利用该数据集中的基因序列数据，探索疾病基因关联性研究；在地理信息系统领域，研究者通过该数据集中的地理信息数据，分析城市规划和环境变化。此外，数据集在图像处理、机器学习等领域的应用也在不断拓展，如通过图像数据集进行深度学习模型的训练，以及利用机器学习数据集构建预测模型等。
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