five

Awesome Public Datasets

收藏
github2017-01-17 更新2024-05-31 收录
下载链接：
https://github.com/afhaque/awesome-public-datasets
下载链接
链接失效反馈
官方服务：
资源简介：
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，不断更新中。

A list of high-quality public datasets sourced from the public domain, continuously updated.
创建时间：
2016-09-07
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链接见RAW文件
  • 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链接见RAW文件
  • 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/ 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
  • 53.5B Web clicks of 100K users in Indiana Univ.
    • 链接: http://cnets.indiana.edu/groups/nan/webtraffic/click-dataset/
  • CAIDA Internet Datasets
    • 链接: http://www.caida.org/data/overview/
  • ClueWeb09 - 1B web pages
    • 链接: http://lemurproject.org/clueweb09/
  • ClueWeb12 - 733M web pages
    • 链接: http://lemurproject.org/clueweb12/
  • CommonCrawl Web Data over 7 years
    • 链接: http://commoncrawl.org/the-data/get-started/
  • CRAWDAD Wireless datasets from Dartmouth Univ.
    • 链接: https://crawdad.cs.dartmouth.edu/
  • Criteo click-through data
    • 链接: http://labs.criteo.com/2015/03/criteo-releases-its-new-dataset/
  • Open Mobile Data by MobiPerf
    • 链接: https://console.developers.google.com/storage/openmobiledata_public/
  • Rapid7 Sonar Internet Scans
    • 链接: https://sonar.labs.rapid7.com/
  • UCSD Network Telescope, IPv4 /8 net
    • 链接: http://www.caida.org/projects/network_telescope/

上下文数据

  • Context-aware data sets from five domains
    • 链接: http://students.depaul.edu/~yzheng8/DataSets.html#Data 或 GitHub链接见RAW文件

数据挑战

  • Challenges in Machine Learning
    • 链接: http://www.chalearn.org/
  • CrowdANALYTIX dataX
    • 链接: http://data.crowdanalytix.com/
  • D4D Challenge of Orange
    • 链接: http://www.d4d.orange.com/en/home
  • DrivenData Competitions for Social Good
    • 链接: http://www.drivendata.org/
  • ICWSM Data Challenge (since 2009)
    • 链接: http://icwsm.cs.umbc.edu/
  • Kaggle Competition Data
    • 链接: https://www.kaggle.com/
  • KDD Cup by Tencent 2012
    • 链接: http://www.kddcup2012.org/
  • Localytics Data Visualization Challenge
    • 链接: https://github.com/localytics/data-viz-challenge
  • Netflix Prize
    • 链接: http://netflixprize.com/leaderboard.html
  • Space Apps Challenge
    • 链接: https://2015.spaceappschallenge.org/
  • Telecom Italia Big Data Challenge
    • 链接: https://dandelion.eu/datamine/open-big-data/
  • Yelp Dataset Challenge
    • 链接: http://www.yelp.com/dataset_challenge
  • Bruteforce Database
    • 链接: https://github.com/duyetdev/bruteforce-database

地球科学

  • AQUASTAT - Global water resources and uses
    • 链接: http://www.fao.org/nr/water/aquastat/data/query/index.html?lang=en
  • BODC - marine data of ~22K vars
    • 链接: http://www.bodc.ac.uk/data/where_to_find_data/
  • Earth Models
    • 链接: http://www.earthmodels.org/
  • EOSDIS - NASAs earth observing system data
    • 链接: http://sedac.ciesin.columbia.edu/data/sets/browse
  • Integrated Marine Observing System (IMOS) - roughly 30TB of ocean measurements
    • 链接: https://imos.aodn.org.au/ 或 S3链接见RAW文件
  • Marinexplore - Open Oceanographic Data
    • 链接: http://marinexplore.org/
  • Smithsonian Institution Global Volcano and Eruption Database
    • 链接: http://volcano.si.edu/
  • USGS Earthquake Archives
    • 链接: http://earthquake.usgs.gov/earthquakes/search/

经济学

  • American Economic Association (AEA)
    • 链接: https://www.aeaweb.org/resources/data
  • EconData from UMD
    • 链接: http://inforumweb.umd.edu/econdata/econdata.html
  • Economic Freedom of the World Data
    • 链接: http://www.freetheworld.com/datasets_efw.html
  • Historical MacroEconomic Statistics
    • 链接: http://www.historicalstatistics.org/
  • International Economics Database
    • 链接: http://widukind.cepremap.org/ 和 各种数据工具链接见RAW文件
  • International Trade Statistics
    • 链接: http://www.econostatistics.co.za/
  • Internet Product Code Database
    • 链接: http://www.upcdatabase.com/
  • Joint External Debt Data Hub
    • 链接: http://www.jedh.org/
  • Jon Haveman International Trade Data Links
    • 链接: http://www.macalester.edu/research/economics/PAGE/HAVEMAN/Trade.Resources/TradeData.html
  • OpenCorporates Database of Companies in the World
    • 链接: https://opencorporates.com/
  • Our World in Data
    • 链接: http://ourworldindata.org/
  • SciencesPo World Trade Gravity Datasets
    • 链接: http://econ.sciences-po.fr/thier
搜集汇总
数据集介绍
main_image_url
构建方式
本数据集是由多个领域的公开数据源收集和整理而成，涵盖了从农业、生物学到气候、网络等多个领域的公共数据集。数据集构建主要依赖于网络爬虫、数据捐赠和开放接口等方式获取原始数据，经过清洗和整理后，按照不同领域和用途进行分类组织。
特点
该数据集的特点在于其多样性、开放性和广泛性。它包含了不同领域的丰富数据资源，如农业、生物学、气候、网络等，且大多数数据集都是免费的。此外，该数据集还不断更新，保持了数据的时效性和准确性。
使用方法
用户可以通过数据集的GitHub页面或提供的链接访问和下载数据。每个数据集通常都包含了详细的说明文件，指导用户如何使用数据。此外，部分数据集还提供了API接口，方便用户进行数据查询和集成。
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开数据集列表。该数据集主要由sindresorhus维护，包含了大部分免费的数据库，但也有一部分是收费的。其他令人惊叹的数据集列表可以在awesome-awesomeness和sindresorhus's awesome中找到。该数据集的创建时间为2012年，主要研究人员为sindresorhus，核心研究问题是收集和整理公开可用的数据集，对相关领域的影响力在于提供了一个方便的数据集资源列表，有助于研究人员和数据科学家快速找到所需的数据集。
当前挑战
在构建过程中遇到的挑战主要包括：1)如何确保收集的数据集的准确性和可靠性；2)如何处理和整理不同来源和格式的数据集；3)如何保持数据集列表的更新和维护。所解决的领域问题是提供了一个方便的数据集资源列表，但面临的挑战是如何在众多数据集中筛选出高质量、适合特定研究需求的数据集。
常用场景
经典使用场景
Awesome Public Datasets数据集作为一个全面的公共数据集列表，其经典使用场景主要在于为研究人员和开发者提供便捷的数据获取途径。用户可以通过此数据集快速找到各个领域内的开源数据集，进而用于学术研究、机器学习模型训练、数据分析等领域。
实际应用
在实际应用中，Awesome Public Datasets为开发者提供了测试和验证其算法或模型的数据集，例如在机器学习、数据科学和人工智能等领域。此外，企业可以利用这些数据集进行市场分析、用户行为预测等商业智能应用。
衍生相关工作
基于此数据集，已经衍生出许多相关工作，包括但不限于数据集的整理、维护和更新，以及利用这些数据集进行的各种学术研究和商业应用项目。这些相关工作进一步扩展了数据集的用途和影响力。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
关于我们
遇见数据集——让每个数据集都被发现，让每一次遇见都有价值。
数发科官网www.sfktec.com.cn
联系我们
youjian
selectdataset@iotsh.com.cn
商业合作
数据驱动未来，携手共赢发展
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作