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，且持续更新中。

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

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
• NIH Microarray data
  • 链接：http://bit.do/VVW6 或 FTP
• 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
• 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

• 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/#datter 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
• 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 CommonCraw 2012
  • 链接：[http://www.bigdatanews.com/profiles/blogs/big-data-set-3-5-billion-web-pages-made-available-for-all-of-us](http://www.bigdatanews.

搜集汇总

数据集介绍

构建方式

该数据集是通过收集和整理来自博客、回答和用户响应中的公共数据源而构建的。它包含了大量免费的开放数据集，但也包含一些非免费的数据集。

使用方法

用户可以通过GitHub页面浏览和下载所需的数据集，同时，数据集的README文件中提供了详细的使用说明和链接，方便用户快速定位和利用这些数据。

背景与挑战

背景概述

‘awesome-public-datasets’是一个由社区成员贡献的公共数据集列表，汇集了来自不同领域的众多数据资源。该数据集的创建时间是未知，主要研究人员或机构是社区成员，核心研究问题是搜集和整理公开可用的数据集，其对相关领域的影响力体现在为研究人员提供了便捷的数据集获取途径，促进了数据共享与开放。

当前挑战

该数据集在构建过程中遇到的挑战主要包括数据的搜集与整理，由于数据来源广泛，涉及多个领域，因此需要耗费大量时间和精力进行筛选和分类。此外，所解决的领域问题挑战包括数据的质量控制、数据隐私保护以及确保数据的持续更新和可用性。

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全面且分类清晰的公共数据集清单，涵盖了各个领域，如生物学、气候、复杂网络、计算机网络、地球科学等。研究者可以根据自己的需求快速定位并访问相关数据集，从而高效地开展研究和数据分析工作。

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，尤其是在数据集的查找、筛选和下载方面。它通过整理和分类大量的公共数据集，使得研究者能够更加方便地找到适用于自己研究的数据资源，进而提高研究的质量和效率。

实际应用

在实际应用中，awesome-public-datasets 可以为数据科学家、研究人员和开发者提供所需的数据集，支持他们进行机器学习模型的训练、数据分析、可视化等任务，广泛应用于科学研究、商业分析和决策支持等领域。

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，包括生物学、气候、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、健康医疗、图像处理、机器学习等。在最近的研发中，学者们重点关注如何利用这些数据集进行跨学科的研究，例如在生物学领域，利用基因序列数据集进行疾病关联分析；在气候科学领域，利用气候数据集进行气候变化模型预测；在机器学习领域，利用图像和文本数据集进行深度学习模型的训练等。这些研究不仅推动了数据科学的发展，也为相关领域的政策制定提供了科学依据。