Awesome Public Datasets

一个包含高质量公开数据集的列表，这些数据集来自公共领域，持续更新中。

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

原始信息汇总

数据集概述

农业

• U.S. Department of Agricultures PLANTS Database: 提供美国农业部的植物数据库。

生物学

• 1000 Genomes: 提供人类基因组数据。
• American Gut (Microbiome Project): 美国肠道微生物组项目数据。
• Broad Cancer Cell Line Encyclopedia (CCLE): 癌症细胞系百科全书。
• Cell Image Library: 细胞图像库。
• Collaborative Research in Computational Neuroscience (CRCNS): 计算神经科学合作研究数据集。
• Complete Genomics Public Data: 完整基因组公共数据。
• EBI ArrayExpress: 欧洲生物信息学研究所的基因表达数据。
• EBI Protein Data Bank in Europe: 欧洲蛋白质数据库。
• ENCODE project: 基因组功能注释项目。
• 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。
• Harvard Medical School (HMS) LINCS Project: 哈佛医学院LINCS项目。
• Human Genome Diversity Project: 人类基因组多样性项目。
• Human Microbiome Project (HMP): 人类微生物组项目。
• ICOS PSP Benchmark: 计算机科学数据集。
• International HapMap Project: 国际人类基因组单体型图计划。
• Journal of Cell Biology DataViewer: 细胞生物学数据查看器。
• MIT Cancer Genomics Data: 麻省理工学院癌症基因组数据。
• NCBI Proteins: 国家生物技术信息中心蛋白质数据库。
• NCBI Taxonomy: 国家生物技术信息中心分类数据库。
• NeuroData: 神经科学数据。
• 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): 生物医学数据库。
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 癌症体细胞突变目录。
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 癌症药物敏感性基因组项目。
• Sequence Read Archive(SRA): 序列读取档案。
• Stanford Microarray Data: 斯坦福微阵列数据。
• Stowers Institute Original Data Repository: 斯托尔斯研究所原始数据存储库。
• Systems Science of Biological Dynamics (SSBD) Database: 生物动力学系统科学数据库。
• Temple University Hospital EEG Database: 坦普尔大学医院脑电图数据库。
• The Cancer Genome Atlas (TCGA), available via Broad GDAC: 癌症基因组图谱。
• 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。
• Universal Protein Resource (UnitProt): 通用蛋白质资源。
• 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: 东英吉利大学气候数据。
• European Climate Assessment & Dataset: 欧洲气候评估与数据集。
• Global Climate Data Since 1929: 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: 东英吉利大学气候研究单位数据。
• WorldClim - Global Climate Data: 世界气候 - 全球气候数据。
• WU Historical Weather Worldwide: 世界气象组织全球历史天气数据。

复杂网络

• CrossRef DOI URLs: 学术引用数据。
• DBLP Citation dataset: 计算机科学文献引用数据。
• NBER Patent Citations: 国家经济研究局专利引用数据。
• NIST complex networks data collection: 国家标准与技术研究院复杂网络数据集。
• Protein-protein interaction network: 蛋白质相互作用网络。
• PyPI and Maven Dependency Network: Python包和Maven依赖网络。
• Scopus Citation Database: 斯高帕斯引用数据库。
• 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。
• Stanford Longitudinal Network Data Sources: 斯坦福纵向网络数据源。
• 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集合。
• WSU Graph Database: 华盛顿州立大学图形数据库。

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535亿网页点击数据。
• CAIDA Internet Datasets: 互联网数据分析合作组织数据集。
• 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年间的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点击通过数据。
• 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数据挑战。
• 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: 2012年腾讯KDD杯。
• Localytics Data Visualization Challenge: Localytics数据可视化挑战。
• Netflix Prize: Netflix奖。
• Space Apps Challenge: 太空应用挑战。
• 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: 乔恩·哈维曼国际贸易数据链接。
• 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: 巴黎政治学院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。

教育

• Student Data from Free Code Camp: 来自Free Code Camp的学生数据。

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: 美国宇航局地球观测系统数据。
• Factual Global Location Data: 事实全球位置数据。
• 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提取的OSM数据。
• GeoNames Worldwide: 全球地理名称数据。
• 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: 美国国家气象服务GIS数据门户。
• Natural Earth - vectors and rasters of the world: 自然地球 - 全球矢量和栅格数据。
• OpenAddresses: 开放地址数据。
• OpenStreetMap (OSM): 开放街道地图数据。
• Pleiades - Gazetteer and graph of ancient places: 古代地点的地名录和图形。
• 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: 美国边界和道路的TIGER/Line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: 美国国务院提供的全球边界数据。
• World countries in multiple formats: 多种格式的世界国家数据。

政府

• Alberta, Province of Canada: 加拿大艾伯塔省数据。
• 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: 比利时政府数据。
• Brazil: 巴西政府数据。
• Buenos Aires, Argentina: 阿根廷布宜诺斯艾利斯数据。
• Calgary, AB, Canada: 加拿大艾伯塔省卡尔加里数据。
• Cambridge, MA, US: 美国马萨诸塞州剑桥数据。
• Canada: 加拿大政府数据。
• Chicago: 美国芝加哥数据。
• Dallas Open Data: 美国达拉斯开放数据。
• DataBC - data from the Province of British Columbia: 加拿大不列颠哥伦比亚省数据。
• Denver Open Data: 美国丹佛开放数据。
• Durham, NC Open Data: 美国北卡罗来纳州达勒姆开放数据。
• Edmonton, AB, Canada: 加拿大艾伯塔省埃德蒙顿数据。
• England LGInform: 英格兰地方政府信息。
• EuroStat: 欧洲统计局数据。
• FedStats: 联邦统计数据。
• Finland: 芬兰政府数据。
• France: 法国政府数据。
• 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: 德国政府数据。
• Ghent, Belgium: 比利时根特数据。
• Glasgow, Scotland, UK: 英国苏格兰格拉斯哥数据。
• Greece: 希腊政府数据。
• 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: 美国休斯顿开放数据。
• 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: 日本政府数据。
• 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: 英国伦敦数据存储。
• London, ON, Canada: 加拿大安大略省伦敦数据。
• Los Angeles Open Data: 美国洛杉矶开放数据。
• MassGIS, Massachusetts, U.S.: 美国马萨诸塞州地理信息系统。
• Mexico: 墨西哥政府数据。
• 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: 荷兰政府数据。
• New Zealand: 新西兰政府数据。
• 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: 美国俄克拉荷马州数据。
• Open Government Data (OGD) Platform India: 印度开放政府数据平台。
• Oregon: 美国俄勒冈州数据。
• Ottawa, ON, Canada: 加拿大安大略省渥太华数据。
• Portland, Oregon: 美国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。

搜集汇总

数据集介绍

构建方式

Awesome Public Datasets 是一个收集自博客、回答和用户响应的公共数据集列表。该数据集的构建主要依赖于网络资源的整理和汇总，旨在提供一个全面、易用的公共数据资源库。

特点

该数据集的特点在于其内容的全面性和多样性，涵盖了从农业、生物学到气候、经济等众多领域的公共数据。此外，大部分数据集都是免费的，易于访问和使用，为研究者和开发者提供了极大的便利。

使用方法

使用该数据集的方法非常直观，用户可以通过浏览 README 文件中提供的目录结构来找到自己感兴趣的数据集。每个数据集的链接都直接指向其存储位置，用户可以下载或直接在线访问数据。

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、教育、能源、金融、地质学、地理信息系统、政府、健康护理等。大多数列出的数据集是免费的，但也有一些不是。该数据集的创建旨在为研究人员提供方便，助力于科学研究和数据分析。

当前挑战

该数据集面临的挑战主要包括：1) 数据集的多样性和异构性使得整合和处理具有一定难度；2) 部分数据集可能存在版权或访问限制，不利于广泛共享和利用；3) 数据质量参差不齐，需要仔细筛选和验证；4) 大数据集的处理和存储对计算资源提出了较高要求。

常用场景

经典使用场景

Awesome Public Datasets 数据集经典使用场景主要涉及为研究人员和开发者提供免费的、易于访问的公共数据资源。这些数据集涵盖了各个领域，如生物学、气象学、复杂网络、计算机网络、地理信息系统等，被广泛应用于学术研究、商业分析、政府决策等多个方面。

实际应用

在实际应用中，Awesome Public Datasets数据集被广泛用于政策制定、灾害预测、市场分析等。例如，气象数据集可用于天气预报和气候变化研究，而政府公开数据则有助于提高政府工作的透明度和效率。

衍生相关工作

基于该数据集，衍生出了许多相关的工作和研究项目。例如，许多学术研究论文利用这些数据集进行了数据分析，企业则利用这些数据进行产品开发和市场研究，政府机构也利用这些数据进行公共服务和政策评估。