Awesome Public Datasets

一个高质量公开数据集的精选列表，涵盖多个领域，如农业、生物学等。

A curated list of high-quality public datasets spanning various domains, such as agriculture, biology, and more.

原始信息汇总

数据集概述

生物学

• 1000 Genomes: 提供人类基因组数据。
• American Gut (Microbiome Project): 专注于微生物组研究。
• Broad Cancer Cell Line Encyclopedia (CCLE): 包含癌症细胞系的数据。
• Cell Image Library: 提供细胞图像数据。
• Collaborative Research in Computational Neuroscience (CRCNS): 提供神经科学数据。
• Complete Genomics Public Data: 提供公共基因组数据。
• EBI ArrayExpress: 生物学实验数据。
• EBI Protein Data Bank in Europe: 蛋白质结构数据。
• ENCODE project: 提供基因组功能注释数据。
• Ensembl Genomes: 提供基因组数据。
• Gene Expression Omnibus (GEO): 基因表达数据。
• Gene Ontology (GO): 基因功能注释数据。
• Global Biotic Interactions (GloBI): 物种相互作用数据。
• Harvard Medical School (HMS) LINCS Project: 细胞系数据。
• Human Genome Diversity Project: 人类基因多样性数据。
• Human Microbiome Project (HMP): 人类微生物组数据。
• ICOS PSP Benchmark: 生物信息学数据。
• International HapMap Project: 人类遗传变异数据。
• Journal of Cell Biology DataViewer: 细胞生物学数据。
• MIT Cancer Genomics Data: 癌症基因组数据。
• NCBI Proteins: 蛋白质数据。
• NCBI Taxonomy: 生物分类数据。
• NeuroData: 神经科学数据。
• NIH Microarray data: 微阵列数据。
• OpenSNP genotypes data: 基因型数据。
• Pathguid - Protein-Protein Interactions Catalog: 蛋白质相互作用数据。
• Protein Data Bank: 蛋白质结构数据。
• PubChem Project: 化学信息数据。
• PubGene (now Coremine Medical): 基因和疾病关联数据。
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 癌症体细胞突变数据。
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 癌症药物敏感性数据。
• Sequence Read Archive(SRA): 序列读取数据。
• Stanford Microarray Data: 微阵列数据。
• Stowers Institute Original Data Repository: 生物学原始数据。
• Systems Science of Biological Dynamics (SSBD) Database: 生物动态系统数据。
• Temple University Hospital EEG Database: 脑电图数据。
• The Cancer Genome Atlas (TCGA), available via Broad GDAC: 癌症基因组数据。
• The Catalogue of Life: 生物多样性数据。
• The Personal Genome Project: 个人基因组数据。
• UCSC Public Data: 公共基因组数据。
• Universal Protein Resource (UnitProt): 蛋白质数据。
• UniGene: 基因特异性数据。

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: 加拿大气象数据。
• Climate Data from UEA: 气候数据。
• European Climate Assessment & Dataset: 欧洲气候评估数据。
• Global Climate Data Since 1929: 全球气候数据。
• NASA Global Imagery Browse Services: NASA全球图像数据。
• NOAA Bering Sea Climate: 白令海气候数据。
• NOAA Climate Datasets: NOAA气候数据集。
• NOAA Realtime Weather Models: NOAA实时天气模型数据。
• The World Bank Open Data Resources for Climate Change: 世界银行气候变化数据。
• UEA Climatic Research Unit: 气候研究数据。
• WorldClim - Global Climate Data: 全球气候数据。
• WU Historical Weather Worldwide: 全球历史天气数据。

复杂网络

• CrossRef DOI URLs: 学术文献DOI链接数据。
• DBLP Citation dataset: 计算机科学文献引用数据。
• NBER Patent Citations: 专利引用数据。
• NIST complex networks data collection: 复杂网络数据。
• Protein-protein interaction network: 蛋白质相互作用网络数据。
• PyPI and Maven Dependency Network: 软件包依赖网络数据。
• Scopus Citation Database: 学术文献引用数据库。
• Small Network Data: 小型网络数据。
• Stanford GraphBase (Steven Skiena): 斯坦福图数据集。
• Stanford Large Network Dataset Collection: 大型网络数据集。
• Stanford Longitudinal Network Data Sources: 纵向网络数据源。
• The Koblenz Network Collection: 科布伦茨网络数据集。
• The Laboratory for Web Algorithmics (UNIMI): 网络算法数据集。
• The Nexus Network Repository: 网络数据仓库。
• UCI Network Data Repository: UCI网络数据存储库。
• UFL sparse matrix collection: 稀疏矩阵数据集。
• WSU Graph Database: 图形数据库。

计算机网络

• 3.5B Web Pages from CommonCraw 2012: 2012年CommonCrawl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535亿次网页点击数据。
• 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: 过去7年的CommonCrawl网页数据。
• CRAWDAD Wireless datasets from Dartmouth Univ.: 达特茅斯大学的无线数据集。
• Criteo click-through data: Criteo点击率数据。
• Open Mobile Data by MobiPerf: 移动数据。
• UCSD Network Telescope, IPv4 /8 net: UCSD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: 机器学习挑战数据。
• CrowdANALYTIX dataX: 众包分析数据。
• D4D Challenge of Orange: Orange的D4D挑战数据。
• DrivenData Competitions for Social Good: 社会公益驱动数据竞赛。
• 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: 2012年腾讯KDD杯数据。
• Localytics Data Visualization Challenge: Localytics数据可视化挑战。
• Netflix Prize: Netflix大奖赛数据。
• Space Apps Challenge: 太空应用挑战数据。
• 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: 联合外债数据中心。
• 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世界贸易引力数据集。
• 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: 经济复杂性观测站。
• 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。

教育

• Student Data from Free Code Camp: 自由代码营学生数据。

能源

• AMPds: 能源数据集。
• BLUEd: 能源数据集。
• COMBED: 能源数据集。
• Dataport: 能源数据集。
• ECO: 能源数据集。
• EIA: 能源信息署数据。
• HFED: 能源数据集。
• iAWE: 能源数据集。
• Plaid: 能源数据集。
• REDD: 能源数据集。
• UK-Dale: 能源数据集。

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: 英国海洋数据中心数据。
• Cambridge, MA, US, GIS data on GitHub: 剑桥，马萨诸塞州，美国GIS数据。
• EOSDIS - NASAs earth observing system data: NASA地球观测系统数据。
• Factual Global Location Data: Factual全球位置数据。
• Geo Spatial Data from ASU: 亚利桑那州立大学地理空间数据。
• Geo Wiki Project - Citizen-driven Environmental Monitoring: 地理维基项目 - 公民驱动的环境监测。
• GeoFabrik - OSM data extracted to a variety of formats and areas: GeoFabrik - 提取到各种格式和区域的开源地图数据。
• 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。
• National Weather Service GIS Data Portal: 国家气象服务GIS数据门户。
• Natural Earth - vectors and rasters of the world: 自然地球 - 全球矢量和光栅数据。
• OpenAddresses: 开放地址数据。
• OpenStreetMap (OSM): 开源地图数据。
• Pleiades - Gazetteer and graph of ancient places: 古地点的地名录和图。
• Reverse Geocoder using OSM data: 使用开源地图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: 时区形状文件。
• UN Environmental Data: 联合国环境数据。
• World boundaries from the U.S. Department of State: 美国国务院的世界边界数据。
• World countries in multiple formats: 多种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: 英国苏格兰格拉斯哥数据。
• Greece: 希腊数据。
• 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。
• Hong Kong, China: 中国香港数据。
• 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。
• Irelands Open Data Portal: 爱尔兰开放数据门户。
• Japan: 日本数据。
• Laval, QC, Canada: 加拿大魁北克省拉瓦尔数据。
• Lexington, KY: 美国肯塔基州列克星敦数据。
• 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。
• Portugal - Pordata organization: 葡萄牙Pordata组织数据。
• 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。

搜集汇总

数据集介绍

构建方式

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。该数据集的构建主要通过网络资源的整理和归纳，涵盖了多个领域的数据集，大部分数据集是免费的，但也有一些是收费的。

特点

该数据集的特点在于其涵盖了广泛的主题和领域，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、教育、能源、金融、地质学、地理空间/GIS、政府、健康护理等。它不仅包含了数据集的链接，还提供了数据集的相关信息和描述。

使用方法

使用该数据集的方法包括：首先，访问GitHub页面上的数据集列表；其次，根据需要浏览和选择合适的数据集；最后，根据数据集提供的链接和说明获取数据并进行相应的研究或分析。用户需要具备一定的数据理解和处理能力，以充分利用这些数据集。

背景与挑战

背景概述

Awesome Public Datasets是一个由sindresorhus维护的GitHub项目，旨在收集和整理网络上可用的公共数据集。该项目始于2012年，汇集了来自不同领域的众多数据集，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、教育、能源、金融、地质学、地理空间/GIS、政府、健康护理等。这些数据集多来源于科研机构、政府部门以及开源项目，为研究人员和开发者提供了宝贵的数据资源。

当前挑战

尽管Awesome Public Datasets提供了丰富的数据资源，但在使用过程中也面临一些挑战。首先，数据集的质量和准确性需要进一步验证，因为它们来源广泛，可能存在误差或不一致性。其次，数据集的整合和标准化也是一个挑战，因为每个数据集的格式和结构可能不同，需要花费时间和资源进行清洗和转换。此外，对于某些特定领域的数据集，如生物信息学或金融数据，可能需要特定的知识背景和技能才能有效利用。

常用场景

经典使用场景

Awesome Public Datasets 数据集广泛收集了各领域的公共数据集，其经典使用场景主要在于为研究人员提供丰富的数据资源，以便于他们能够轻松地找到并进行数据分析，无论是生物信息学、气候研究、复杂网络分析，还是政府公开数据等。

实际应用

在实际应用中，Awesome Public Datasets 可以为数据科学家、研究人员以及决策者提供数据支持，帮助他们进行趋势分析、决策制定以及策略规划等。例如，政府机构可以利用这些数据进行公共政策的制定和评估。

衍生相关工作

基于Awesome Public Datasets，已经衍生出许多相关工作，包括数据集的进一步整理、分析工具的开发以及基于这些数据集的研究论文发表等，这些都极大地推动了相关领域的研究进展。