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，如农业、生物学等。

A curated list of high-quality public datasets spanning various domains, such as agriculture, biology, and more.

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

本数据集的构建主要通过从各个领域收集公开的数据源，包括博客、回答和用户响应等，经过整理和分类，形成了涵盖多个领域的公共数据集列表。

特点

该数据集的特点在于其广泛性、多样性和开放性，涵盖了从农业、生物学到计算机科学、经济学等众多领域的公共数据集，且大部分数据集可以免费获取，为研究人员和开发者提供了极大的便利。

使用方法

使用该数据集时，用户可以根据自己的需求，通过数据集列表找到相应领域的公共数据集，并根据数据集提供的链接访问和下载数据。对于某些特定的数据集，可能需要遵循相应的使用条款和条件。

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，多数数据集免费，但也有些数据集需要付费。此列表的目的是为了方便研究人员和开发者快速找到所需的公开数据集，提高研究效率。自其创建以来，该数据集在学术界和工业界都产生了广泛的影响，成为了数据科学和机器学习领域的重要资源之一。

当前挑战

尽管‘awesome-public-datasets’提供了丰富的数据资源，但在使用过程中也面临一些挑战。首先，数据集的多样性和异构性使得数据清洗和整合变得困难。其次，部分数据集的版权和使用许可不明确，可能存在法律风险。此外，数据集的更新和维护需要大量的人力物力，持续性是一个挑战。最后，如何有效地从这些大规模数据集中提取有用信息，解决特定领域问题，也是当前研究的热点问题之一。

常用场景

经典使用场景

awesome-public-datasets数据集经典使用场景在于，研究者或开发者可以从中获取到不同领域的公共数据集，例如生物学、气候学、复杂网络等，以支持他们的研究和开发工作。这些数据集通常用于学术研究、数据分析、机器学习模型的训练等领域，为用户提供了一个丰富的数据资源库。

实际应用

在实际应用中，awesome-public-datasets数据集可用于构建数据驱动的应用，如疾病预测模型、气候监测系统、社交网络分析工具等。这些应用在医疗、环境保护、社会科学等领域具有重要的现实意义。

衍生相关工作

基于该数据集，已经衍生出了一系列相关的经典工作，包括但不限于在生物学领域对基因表达数据的分析，在气候学领域对气候模式的研究，在网络科学领域对社交网络结构的探索等。这些工作进一步扩展了数据集的应用范围，促进了跨学科的研究合作。