awesome-public-datasets

一个包含高质量公开数据集的精选列表，涵盖多个领域，供所有人使用。

A curated list of high-quality public datasets spanning multiple domains, available for use by everyone.

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 (见 RAW <https://raw.githubusercontent.com/caesar0301/awesome-public-datasets/master/README.rst>_)
• 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

• 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/#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

搜集汇总

数据集介绍

构建方式

Awesome Public Datasets 是一个精心整理的公共数据集集合，涵盖了多个学科领域。该数据集的构建方式主要依赖于从博客、问答平台以及用户反馈中收集和整理公开可用的数据资源。数据集的内容经过筛选和分类，确保每个领域的数据都具有代表性和实用性。尽管大多数数据集是免费的，但部分数据集可能需要付费或特殊权限才能访问。

特点

该数据集的特点在于其广泛性和多样性，涵盖了从农业、生物学到气候、经济学等多个领域的公开数据资源。每个数据集都附有详细的来源链接和简要描述，方便用户快速了解其内容和用途。此外，数据集还按照主题进行分类，便于用户根据需求进行检索和使用。这种结构化的组织方式使得数据集在科研、教育和商业应用中具有极高的参考价值。

使用方法

用户可以通过访问 Awesome Public Datasets 的 GitHub 页面，浏览按主题分类的数据集列表。每个数据集都附有链接，用户可以直接跳转到原始数据源进行下载或进一步探索。对于研究人员和开发者来说，该数据集可以作为数据挖掘、机器学习和统计分析的基础资源。用户还可以通过提交反馈或贡献新的数据集来丰富该资源库的内容，使其保持更新和扩展。

背景与挑战

背景概述

awesome-public-datasets 数据集是一个广泛收集和整理公共数据资源的项目，涵盖了从农业、生物学到气候、经济等多个领域的数据集。该项目由GitHub用户caesar0301创建，旨在为研究人员、数据科学家和开发者提供一个便捷的公共数据集索引平台。自创建以来，该项目通过社区贡献和持续更新，逐渐发展成为一个包含数千个数据集的综合性资源库。其核心研究问题在于如何有效地组织和分类海量的公共数据，以便用户能够快速找到所需的数据集。该数据集对数据科学、机器学习和相关领域的研究产生了深远影响，极大地促进了数据驱动的科学研究和技术创新。

当前挑战

awesome-public-datasets 数据集面临的主要挑战包括数据集的多样性和复杂性。首先，由于数据集涵盖的领域广泛，如何确保每个数据集的质量和可用性是一个重要问题。许多数据集来自不同的来源，格式和标准各异，导致数据整合和使用的难度增加。其次，数据集的数量庞大，如何有效地进行分类和索引，以便用户能够快速找到所需的数据集，是一个技术上的挑战。此外，部分数据集可能涉及版权或隐私问题，如何在开放数据与数据保护之间找到平衡，也是该项目需要解决的问题。最后，随着数据科学的快速发展，如何保持数据集的时效性和相关性，确保其能够满足不断变化的研究需求，也是一个持续的挑战。

常用场景

经典使用场景

awesome-public-datasets 数据集广泛应用于数据科学、机器学习和人工智能领域的研究与开发。该数据集集合了来自多个领域的公开数据资源，涵盖了从生物学、气候学到经济学等多个学科。研究人员和开发者可以利用这些数据集进行数据挖掘、模型训练和算法验证，从而推动科学研究的进展。

衍生相关工作

基于 awesome-public-datasets 数据集，许多经典的研究工作得以展开。例如，在生物学领域，研究人员利用该数据集中的基因组数据进行疾病预测和药物开发；在气候学领域，科学家通过分析气候数据来预测全球变暖的趋势。这些衍生工作不仅推动了相关领域的发展，还为未来的研究提供了宝贵的参考。

数据集最近研究

最新研究方向

近年来，awesome-public-datasets数据集在多个领域的研究中展现了其广泛的应用价值。特别是在生物学和气候科学领域，数据集中的基因组数据和气候模型数据为研究者提供了丰富的研究素材。例如，1000 Genomes项目和ENCODE项目的数据被广泛应用于基因组学和表观遗传学的研究中，推动了精准医学的发展。同时，NASA和NOAA提供的气候数据在全球气候变化研究中发挥了关键作用，帮助科学家更好地理解和预测气候变化的影响。此外，该数据集在机器学习和数据科学领域的应用也日益增多，如MovieLens和Million Song Dataset等数据集被广泛用于推荐系统和音乐信息检索的研究中。这些研究不仅推动了相关领域的技术进步，也为解决实际问题提供了有力支持。