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 public 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
  • 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 FTP 链接在 RAW)
• 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

搜集汇总

数据集介绍

构建方式

该数据集是通过从博客、回答和用户响应中收集和整理公共数据源而构建的。它包含了大量免费的数据库，但也包含一些非免费的数据库。

使用方法

用户可以通过访问每个数据集提供的链接来使用这些数据。每个数据集的详细使用方法可能会因其特性和结构而有所不同，但一般来说，用户需要下载数据集，并根据自身的研究或应用需求进行相应的数据处理和分析。

背景与挑战

背景概述

‘awesome-public-datasets’是一个由社区贡献的公共数据集列表，旨在为研究人员和开发者提供各类开放获取的数据资源。该数据集涵盖了多个领域，包括农业、生物学、气候学、复杂网络、计算机系统、上下文数据、数据挑战、地球科学、经济学、教育、能源、金融、地理信息系统（GIS）、政府、健康护理、图像处理、机器学习等。这些数据集的收集始于2014年，由sindresorhus等维护，并在GitHub上不断更新。

当前挑战

该数据集面临的主要挑战包括：1) 数据集的质量和可靠性，由于数据来源多样，质量参差不齐，确保数据的准确性和一致性是一大挑战；2) 数据隐私和合规性，部分数据集可能涉及个人隐私或需遵守特定的使用条款；3) 数据集的更新和维护，随着数据量的增加和领域的扩展，维护一个全面且最新的数据集列表需要持续的投入和社区的支持。

常用场景

经典使用场景

该数据集最经典的使用场景在于为研究人员提供了一个全面的公共数据集列表，便于他们快速查找和访问所需的数据资源，从而推动科学研究的发展。

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，尤其是对于那些需要大量数据集以进行机器学习、数据挖掘等研究的研究人员来说，这一数据集提供了丰富的资源，有助于他们验证和改进算法。

实际应用

在实际应用中，该数据集可用于教育、商业智能、政府决策等多个领域，为不同行业提供了数据支持，助力于决策过程的科学化和智能化。

数据集最近研究

最新研究方向

awesome-public-datasets 数据集涵盖了多个领域，其最新研究方向主要集中于数据的整合、清洗和有效利用。该数据集在生物信息学、气候学、复杂网络、计算机视觉等领域的应用研究中具有重要价值。例如，在生物信息学领域，研究者可以利用1000 Genomes等数据开展基因组学研究；在气候学领域，通过分析NOAA气候数据集，可以探究气候变化对全球的影响；在复杂网络领域，研究者可以基于DBLP等引用网络数据集，探索学术领域的知识结构。此外，该数据集在计算机视觉、机器学习等领域也提供了丰富的数据资源，如ImageNet数据集在图像识别研究中的应用。