Awesome Public Datasets

这是一个主题中心的高质量公开数据集列表，收集并整理自博客、答案和用户反馈。

This is a high-quality public dataset list curated from blogs, answers, and user feedback, centered around specific themes.

原始信息汇总

数据集概述

农业

• Hyperspectral benchmark dataset on soil moisture: 数据集链接: Hyperspectral benchmark dataset on soil moisture
• U.S. Department of Agricultures Nutrient Database: 数据集链接: U.S. Department of Agricultures Nutrient Database
• U.S. Department of Agricultures PLANTS Database: 数据集链接: U.S. Department of Agricultures PLANTS Database

生物学

• American Gut (Microbiome Project): 数据集链接: American Gut (Microbiome Project)
• Broad Bioimage Benchmark Collection (BBBC): 数据集链接: Broad Bioimage Benchmark Collection (BBBC)
• Broad Cancer Cell Line Encyclopedia (CCLE): 数据集链接: Broad Cancer Cell Line Encyclopedia (CCLE)
• Cell Image Library: 数据集链接: Cell Image Library
• Complete Genomics Public Data: 数据集链接: Complete Genomics Public Data
• EBI ArrayExpress: 数据集链接: EBI ArrayExpress
• EBI Protein Data Bank in Europe: 数据集链接: EBI Protein Data Bank in Europe
• ENCODE project: 数据集链接: ENCODE project
• Electron Microscopy Pilot Image Archive (EMPIAR): 数据集链接: Electron Microscopy Pilot Image Archive (EMPIAR)
• Ensembl Genomes: 数据集链接: Ensembl Genomes
• Gene Expression Omnibus (GEO): 数据集链接: Gene Expression Omnibus (GEO)
• Gene Ontology (GO) - GO annotation files: 数据集链接: Gene Ontology (GO) - GO annotation files
• Global Biotic Interactions (GloBI): 数据集链接: Global Biotic Interactions (GloBI)
• Harvard Medical School (HMS) LINCS Project: 数据集链接: Harvard Medical School (HMS) LINCS Project
• Human Genome Diversity Project: 数据集链接: Human Genome Diversity Project
• Human Microbiome Project (HMP): 数据集链接: Human Microbiome Project (HMP)
• ICOS PSP Benchmark: 数据集链接: ICOS PSP Benchmark
• International HapMap Project: 数据集链接: International HapMap Project
• Journal of Cell Biology DataViewer: 数据集链接: Journal of Cell Biology DataViewer
• KEGG - KEGG is a database resource for understanding high-level functions [...]: 数据集链接: KEGG - KEGG is a database resource for understanding high-level functions [...]
• MIT Cancer Genomics Data: 数据集链接: MIT Cancer Genomics Data
• NCBI Proteins: 数据集链接: NCBI Proteins
• NCBI Taxonomy: 数据集链接: NCBI Taxonomy
• NCI Genomic Data Commons: 数据集链接: NCI Genomic Data Commons
• NIH Microarray data: 数据集链接: NIH Microarray data
• OpenSNP genotypes data: 数据集链接: OpenSNP genotypes data
• Pathguid - Protein-Protein Interactions Catalog: 数据集链接: Pathguid - Protein-Protein Interactions Catalog
• Protein Data Bank: 数据集链接: Protein Data Bank
• Psychiatric Genomics Consortium: 数据集链接: Psychiatric Genomics Consortium
• PubChem Project: 数据集链接: PubChem Project
• PubGene (now Coremine Medical): 数据集链接: PubGene (now Coremine Medical)
• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC): 数据集链接: Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC): 数据集链接: Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
• Sequence Read Archive(SRA): 数据集链接: Sequence Read Archive(SRA)
• Stanford Microarray Data: 数据集链接: Stanford Microarray Data
• Stowers Institute Original Data Repository: 数据集链接: Stowers Institute Original Data Repository
• Systems Science of Biological Dynamics (SSBD) Database: 数据集链接: Systems Science of Biological Dynamics (SSBD) Database
• The Cancer Genome Atlas (TCGA), available via Broad GDAC: 数据集链接: The Cancer Genome Atlas (TCGA), available via Broad GDAC
• The Catalogue of Life: 数据集链接: The Catalogue of Life
• The Personal Genome Project: 数据集链接: The Personal Genome Project
• UCSC Public Data: 数据集链接: UCSC Public Data
• UniGene: 数据集链接: UniGene
• Universal Protein Resource (UnitProt): 数据集链接: Universal Protein Resource (UnitProt)

气候+天气

• Actuaries Climate Index: 数据集链接: Actuaries Climate Index
• Australian Weather: 数据集链接: Australian Weather
• Aviation Weather Center - Consistent, timely and accurate weather [...]: 数据集链接: Aviation Weather Center - Consistent, timely and accurate weather [...]
• Brazilian Weather - Historical data (In Portuguese) - Data related to [...]: 数据集链接: Brazilian Weather - Historical data (In Portuguese) - Data related to [...]
• Canadian Meteorological Centre: 数据集链接: Canadian Meteorological Centre
• Climate Data from UEA (updated monthly): 数据集链接: Climate Data from UEA (updated monthly)
• Dutch Weather - The KNMI Data Center (KDC) portal provides access to KNMI [...]: 数据集链接: Dutch Weather - The KNMI Data Center (KDC) portal provides access to KNMI [...]
• European Climate Assessment & Dataset: 数据集链接: European Climate Assessment & Dataset
• Global Climate Data Since 1929: 数据集链接: Global Climate Data Since 1929
• NASA Global Imagery Browse Services: 数据集链接: NASA Global Imagery Browse Services
• NOAA Bering Sea Climate: 数据集链接: NOAA Bering Sea Climate
• NOAA Climate Datasets: 数据集链接: NOAA Climate Datasets
• NOAA Realtime Weather Models: 数据集链接: NOAA Realtime Weather Models
• NOAA SURFRAD Meteorology and Radiation Datasets: 数据集链接: NOAA SURFRAD Meteorology and Radiation Datasets
• The World Bank Open Data Resources for Climate Change: 数据集链接: The World Bank Open Data Resources for Climate Change
• UEA Climatic Research Unit: 数据集链接: UEA Climatic Research Unit
• WU Historical Weather Worldwide: 数据集链接: WU Historical Weather Worldwide
• WorldClim - Global Climate Data: 数据集链接: WorldClim - Global Climate Data

复杂网络

• AMiner Citation Network Dataset: 数据集链接: AMiner Citation Network Dataset
• CrossRef DOI URLs: 数据集链接: CrossRef DOI URLs
• DBLP Citation dataset: 数据集链接: DBLP Citation dataset
• DIMACS Road Networks Collection: 数据集链接: DIMACS Road Networks Collection
• NBER Patent Citations: 数据集链接: NBER Patent Citations
• NIST complex networks data collection: 数据集链接: NIST complex networks data collection
• Network Repository with Interactive Exploratory Analysis Tools: 数据集链接: Network Repository with Interactive Exploratory Analysis Tools
• Protein-protein interaction network: 数据集链接: Protein-protein interaction network
• PyPI and Maven Dependency Network: 数据集链接: PyPI and Maven Dependency Network
• Scopus Citation Database: 数据集链接: Scopus Citation Database
• Small Network Data: 数据集链接: Small Network Data
• Stanford GraphBase: 数据集链接: Stanford GraphBase
• Stanford Large Network Dataset Collection: 数据集链接: Stanford Large Network Dataset Collection
• Stanford Longitudinal Network Data Sources: 数据集链接: Stanford Longitudinal Network Data Sources
• The Koblenz Network Collection: 数据集链接: The Koblenz Network Collection
• The Laboratory for Web Algorithmics (UNIMI): 数据集链接: The Laboratory for Web Algorithmics (UNIMI)
• UCI Network Data Repository: 数据集链接: UCI Network Data Repository
• UFL sparse matrix collection: 数据集链接: UFL sparse matrix collection
• WSU Graph Database: 数据集链接: WSU Graph Database

计算机网络

• 3.5B Web Pages from CommonCrawl 2012: 数据集链接: 3.5B Web Pages from CommonCrawl 2012
• 53.5B Web clicks of 100K users in Indiana Univ.: 数据集链接: 53.5B Web clicks of 100K users in Indiana Univ.
• CAIDA Internet Datasets: 数据集链接: CAIDA Internet Datasets
• CRAWDAD Wireless datasets from Dartmouth Univ.: 数据集链接: CRAWDAD Wireless datasets from Dartmouth Univ.
• ClueWeb09 - 1B web pages: 数据集链接: ClueWeb09 - 1B web pages
• ClueWeb12 - 733M web pages: 数据集链接: ClueWeb12 - 733M web pages
• CommonCrawl Web Data over 7 years: 数据集链接: CommonCrawl Web Data over 7 years
• Criteo click-through data: 数据集链接: Criteo click-through data
• Internet-Wide Scan Data Repository: 数据集链接: Internet-Wide Scan Data Repository
• MIRAGE-2019 - MIRAGE-2019 is a human-generated dataset for mobile traffic [...]: 数据集链接: MIRAGE-2019 - MIRAGE-2019 is a human-generated dataset for mobile traffic [...]
• OONI: Open Observatory of Network Interference - Internet censorship data: 数据集链接: OONI: Open Observatory of Network Interference - Internet censorship data

搜集汇总

数据集介绍

构建方式

Awesome Public Datasets 数据集通过自动化工具 `apd-core` 生成，确保了数据的高效整合与更新。该工具从博客、问答平台及用户反馈中收集高质量的主题中心化公共数据源，并通过自动化流程进行整理与分类。数据集的内容涵盖了多个领域，包括农业、生物学、气候与天气等，确保了数据的多样性与广泛性。

特点

该数据集的特点在于其广泛的主题覆盖范围与高质量的数据源。数据集不仅包含了大量免费的数据资源，还整合了部分付费数据，确保了数据的全面性。此外，数据集通过自动化工具进行维护，确保了数据的实时更新与准确性。每个数据源都经过严格的筛选与分类，便于用户快速找到所需的数据资源。

使用方法

用户可以通过访问 Awesome Public Datasets 的 GitHub 页面，浏览不同主题下的数据源链接。每个数据源都附有详细的描述与访问方式，用户可以根据需求直接访问相应的数据。对于开发者，数据集提供了自动化的贡献方式，用户可以通过 `apd-core` 工具提交新的数据源或修正现有数据，确保数据集的持续更新与完善。

背景与挑战

背景概述

Awesome Public Datasets 是一个由社区驱动的公共数据集集合，旨在为研究人员、数据科学家和开发者提供高质量、多样化的数据集资源。该数据集由 awesomedata 组织维护，涵盖了从农业、生物学到气候、复杂网络等多个领域的公开数据集。其创建初衷是为了解决数据科学领域中数据获取困难、数据质量参差不齐的问题，通过整合来自博客、用户反馈和其他公开资源的数据集，为研究人员提供了一个便捷的数据获取平台。该数据集的影响力不仅体现在其广泛的应用领域，还在于其推动了数据共享和开放科学的理念。

当前挑战

Awesome Public Datasets 面临的主要挑战包括数据集的多样性与质量保证。首先，数据集涵盖了多个领域，如何确保每个领域的数据集都能满足研究需求是一个重要问题。其次，由于数据集来源广泛，数据格式、质量和更新频率的不一致性给用户带来了使用上的困难。此外，尽管大部分数据集是免费的，但部分数据集仍需要付费或特殊权限，这限制了其广泛使用。最后，数据集的管理和维护依赖于社区贡献，如何确保数据集持续更新和修复错误也是一个长期挑战。

常用场景

经典使用场景

Awesome Public Datasets 是一个广泛收集和整理高质量公共数据源的资源库，涵盖了从农业、生物学到气候、复杂网络等多个领域。该数据集最经典的使用场景是为研究人员、数据科学家和开发者提供一个集中的平台，方便他们快速访问和下载所需的公开数据集，从而加速数据驱动的科研和开发工作。

衍生相关工作

该数据集衍生了许多经典的研究工作，尤其是在机器学习和数据科学领域。例如，基于其中的生物学数据集，研究人员开发了新的基因分析算法；利用气候数据集，科学家构建了更精确的气候预测模型。此外，许多开源工具和平台也围绕这些数据集展开，进一步推动了数据科学社区的发展。

数据集最近研究

最新研究方向

在数据科学领域，Awesome Public Datasets作为一个广泛涵盖多个学科的高质量公共数据集集合，近年来在跨学科研究中扮演了重要角色。特别是在生物学和气候科学领域，该数据集的应用尤为突出。例如，生物学领域的研究者利用其中的基因组和蛋白质数据库进行疾病基因的关联分析，推动了精准医疗的发展。同时，气候科学领域的研究者则依赖该数据集中的全球气候数据，进行气候变化模型的构建与验证，为全球气候政策的制定提供了科学依据。此外，随着人工智能技术的进步，该数据集在机器学习和深度学习模型训练中的应用也日益增多，尤其是在自然语言处理和图像识别领域，为算法的优化和创新提供了丰富的数据支持。