Awesome Public Datasets

一个主题中心的高质量开放数据集列表，涵盖农业、生物学等多个领域。

A high-quality open dataset list centered on various themes, covering multiple fields such as agriculture and biology.

原始信息汇总

数据集概述

农业

• U.S. Department of Agricultures Nutrient Database

  • 链接: U.S. Department of Agricultures Nutrient Database

• U.S. Department of Agricultures PLANTS Database

  • 链接: U.S. Department of Agricultures PLANTS Database

生物学

• 1000 Genomes

  • 链接: 1000 Genomes

• American Gut (Microbiome Project)

  • 链接: American Gut (Microbiome Project)

• Broad Bioimage Benchmark Collection (BBBC)

  • 链接: Broad Bioimage Benchmark Collection (BBBC)

• Broad Cancer Cell Line Encyclopedia (CCLE)

  • 链接: Broad Cancer Cell Line Encyclopedia (CCLE)

• Cell Image Library

  • 链接: Cell Image Library

• Complete Genomics Public Data

  • 链接: Complete Genomics Public Data

• EBI ArrayExpress

  • 链接: EBI ArrayExpress

• EBI Protein Data Bank in Europe

  • 链接: EBI Protein Data Bank in Europe

• ENCODE project

  • 链接: ENCODE project

• Electron Microscopy Pilot Image Archive (EMPIAR)

  • 链接: Electron Microscopy Pilot Image Archive (EMPIAR)

• Ensembl Genomes

  • 链接: Ensembl Genomes

• Gene Expression Omnibus (GEO)

  • 链接: Gene Expression Omnibus (GEO)

• Gene Ontology (GO)

  • 链接: Gene Ontology (GO)

• Global Biotic Interactions (GloBI)

  • 链接: Global Biotic Interactions (GloBI)

• Harvard Medical School (HMS) LINCS Project

  • 链接: Harvard Medical School (HMS) LINCS Project

• Human Genome Diversity Project

  • 链接: Human Genome Diversity Project

• Human Microbiome Project (HMP)

  • 链接: Human Microbiome Project (HMP)

• ICOS PSP Benchmark

  • 链接: ICOS PSP Benchmark

• International HapMap Project

  • 链接: International HapMap Project

• Journal of Cell Biology DataViewer

  • 链接: Journal of Cell Biology DataViewer

• KEGG - KEGG is a database resource for understanding high-level functions [...]

  • 链接: KEGG - KEGG is a database resource for understanding high-level functions [...]

• MIT Cancer Genomics Data

  • 链接: MIT Cancer Genomics Data

• NCBI Proteins

  • 链接: NCBI Proteins

• NCBI Taxonomy

  • 链接: NCBI Taxonomy

• NCI Genomic Data Commons

  • 链接: NCI Genomic Data Commons

• NIH Microarray data

  • 链接: NIH Microarray data

• OpenSNP genotypes data

  • 链接: OpenSNP genotypes data

• Pathguid - Protein-Protein Interactions Catalog

  • 链接: Pathguid - Protein-Protein Interactions Catalog

• Protein Data Bank

  • 链接: Protein Data Bank

• Psychiatric Genomics Consortium

  • 链接: Psychiatric Genomics Consortium

• PubChem Project

  • 链接: PubChem Project

• PubGene (now Coremine Medical)

  • 链接: PubGene (now Coremine Medical)

• Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)

  • 链接: Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)

• Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)

  • 链接: Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)

• Sequence Read Archive(SRA)

  • 链接: Sequence Read Archive(SRA)

• Stanford Microarray Data

  • 链接: Stanford Microarray Data

• Stowers Institute Original Data Repository

  • 链接: Stowers Institute Original Data Repository

• Systems Science of Biological Dynamics (SSBD) Database

  • 链接: Systems Science of Biological Dynamics (SSBD) Database

• The Cancer Genome Atlas (TCGA), available via Broad GDAC

  • 链接: The Cancer Genome Atlas (TCGA), available via Broad GDAC

• The Catalogue of Life

  • 链接: The Catalogue of Life

• The Personal Genome Project

  • 链接: The Personal Genome Project

• UCSC Public Data

  • 链接: UCSC Public Data

• UniGene

  • 链接: UniGene

• Universal Protein Resource (UnitProt)

  • 链接: Universal Protein Resource (UnitProt)

气候+天气

• Actuaries Climate Index

  • 链接: Actuaries Climate Index

• Australian Weather

  • 链接: Australian Weather

• Aviation Weather Center - Consistent, timely and accurate weather [...]

  • 链接: Aviation Weather Center - Consistent, timely and accurate weather [...]

• Brazilian Weather - Historical data (In Portuguese)

  • 链接: Brazilian Weather - Historical data (In Portuguese)

• Canadian Meteorological Centre

  • 链接: Canadian Meteorological Centre

• Climate Data from UEA (updated monthly)

  • 链接: [Climate Data from UEA (updated monthly)](https://crudata.uea.ac.uk/cru/data/temperature/#datter and ftp://ftp.cmdl.noaa.gov/)

• European Climate Assessment & Dataset

  • 链接: European Climate Assessment & Dataset

• Global Climate Data Since 1929

  • 链接: Global Climate Data Since 1929

• NASA Global Imagery Browse Services

  • 链接: NASA Global Imagery Browse Services

• NOAA Bering Sea Climate

  • 链接: NOAA Bering Sea Climate

• NOAA Climate Datasets

  • 链接: NOAA Climate Datasets

• NOAA Realtime Weather Models

  • 链接: NOAA Realtime Weather Models

• NOAA SURFRAD Meteorology and Radiation Datasets

  • 链接: NOAA SURFRAD Meteorology and Radiation Datasets

• The World Bank Open Data Resources for Climate Change

  • 链接: The World Bank Open Data Resources for Climate Change

• UEA Climatic Research Unit

  • 链接: UEA Climatic Research Unit

• WU Historical Weather Worldwide

  • 链接: WU Historical Weather Worldwide

• WorldClim - Global Climate Data

  • 链接: WorldClim - Global Climate Data

复杂网络

• AMiner Citation Network Dataset

  • 链接: AMiner Citation Network Dataset

• CrossRef DOI URLs

  • 链接: CrossRef DOI URLs

• DBLP Citation dataset

  • 链接: DBLP Citation dataset

• DIMACS Road Networks Collection

  • 链接: DIMACS Road Networks Collection

• NBER Patent Citations

  • 链接: NBER Patent Citations

• NIST complex networks data collection

  • 链接: NIST complex networks data collection

• Network Repository with Interactive Exploratory Analysis Tools

  • 链接: Network Repository with Interactive Exploratory Analysis Tools

• Protein-protein interaction network

  • 链接: Protein-protein interaction network

• PyPI and Maven Dependency Network

  • 链接: PyPI and Maven Dependency Network

• Scopus Citation Database

  • 链接: Scopus Citation Database

• Small Network Data

  • 链接: Small Network Data

• Stanford GraphBase

  • 链接: Stanford GraphBase

• Stanford Large Network Dataset Collection

  • 链接: Stanford Large Network Dataset Collection

• Stanford Longitudinal Network Data Sources

  • 链接: Stanford Longitudinal Network Data Sources

• The Koblenz Network Collection

  • 链接: The Koblenz Network Collection

• The Laboratory for Web Algorithmics (UNIMI)

  • 链接: The Laboratory for Web Algorithmics (UNIMI)

• The Nexus Network Repository

  • 链接: The Nexus Network Repository

• UCI Network Data Repository

  • 链接: UCI Network Data Repository

• UFL sparse matrix collection

  • 链接: UFL sparse matrix collection

• WSU Graph Database

  • 链接: WSU Graph Database

计算机网络

• 3.5B Web Pages from CommonCrawl 2012

  • 链接: 3.5B Web Pages from CommonCrawl 2012

• 53.5B Web clicks of 100K users in Indiana Univ.

  • 链接: 53.5B Web clicks of 100K users in Indiana Univ.

• CAIDA Internet Datasets

  • 链接: CAIDA Internet Datasets

• CRAWDAD Wireless datasets from Dartmouth Univ.

  • 链接: CRAWDAD Wireless datasets from Dartmouth Univ.

• ClueWeb09 - 1B web pages

  • 链接: ClueWeb09 - 1B web pages

• ClueWeb12 - 733M web pages

  • 链接: ClueWeb12 - 733M web pages

• CommonCrawl Web Data over 7 years

  • 链接: CommonCrawl Web Data over 7 years

• Criteo click-through data

  • 链接: [Criteo click-through data](http://labs.criteo.com/201

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高质量的主题中心公共数据源而构建的。它采用自动化的方式生成，并不接受直接在仓库上进行修改，而是通过apd-core工具进行贡献。

特点

数据集特点在于其高质量、主题中心性以及覆盖广泛的数据源。它包含了多个领域的数据集，如农业、生物学、气候和天气、复杂网络、计算机网络、数据挑战、地球科学、经济学、教育、能源、金融和GIS等。数据集多数为免费提供，但也包含一些非免费的数据集。

使用方法

使用该数据集时，用户可以根据需求选择相应领域的数据集。数据集的使用通常需要符合数据提供方的条款和条件。用户可以通过数据集详情页面提供的链接获取更多关于数据集的信息和下载方式。

背景与挑战

背景概述

Awesome Public Datasets是一个旨在收集和整理高质量公共数据集的仓库，由sindresorhus创建并维护。该数据集涵盖了多个领域，包括农业、生物学、气候与天气、复杂网络、计算机网络、数据挑战、地球科学、经济学、教育、能源、金融、GIS等，为研究人员和开发者提供了丰富的数据资源。该数据集的创建时间为2016年，主要维护者为sindresorhus。

当前挑战

在数据集的构建过程中，主要面临的挑战包括数据的质量控制、数据集的更新与维护、以及数据隐私和版权问题。此外，不同领域的数据集在构建时也面临各自的挑战，如生物学数据集的生物信息学问题，气候与天气数据集的实时数据更新问题，以及金融数据集的数据安全性和准确性问题。

常用场景

经典使用场景

Awesome Public Datasets 集合了众多领域的高质量公共数据集，经典的使用场景包括为学术研究提供数据支持，例如生物信息学、环境科学、社会科学等领域的研究人员可以通过此平台获取到所需的数据集，以进行基因序列分析、气候模型模拟、经济趋势分析等研究。

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且多样化数据的研究项目。例如，在生物医学研究中，通过访问基因序列数据集，研究人员能够更好地理解遗传变异与疾病的关系；在气候变化研究中，气候数据集帮助科学家们预测和评估未来气候的变化趋势。

衍生相关工作

该数据集衍生了众多相关工作，包括数据集的进一步整理、分析工具的开发以及基于这些数据集的学术研究和商业应用。例如，一些研究机构基于公开的数据集开发出了专门的分析软件，而一些企业则利用这些数据集进行了创新的产品开发和服务优化。