一份清单收齐 900 高质量公开数据集awesome-public-datasets 从入门到上手【免费下载链接】awesome-public-datasetsA topic-centric list of HQ open datasets.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets正在找公开数据集的你是不是也经历过这种场景搜遍博客和问答网站收藏了一堆链接结果一半已经失效剩下的一半格式、许可、体积各不相同光是确认这数据还能不能用就花掉半天。Awesome Public Datasets 就是为了解决这个问题而存在的开源清单它把来自博客、问答社区和用户反馈的公开数据源按主题整理成一份持续维护的列表收录了近千条条目、覆盖 30 多个领域并且给每条数据都标注了当前状态帮你先筛掉死链接再开始真正的数据工作。找数据的痛点为什么需要一个清单而不是搜索引擎自己用搜索引擎找数据集你实际面对的是三座大山时效性很多数据集只存在于某个课题组的博客里人员一变动页面就 404 了噪音同名数据集到处复制粘贴分不清哪个是权威来源分类混乱同一个数据集可能在别人那叫气象在你眼里属于地球科学。这份清单的思路是反过来做先由社区收集再统一整理归类最后持续巡检状态。它最早由上海交通大学 OMNILab 孵化现在隶属于 BaiYuLan Open AI 社区README.rst 这一份文件就是全部货架——2100 多行从 Agriculture 到 Transportation 按主题分节每条条目都是数据名 一句话简介 数据源链接 元信息链接的固定格式扫读效率很高。读懂这份列表状态标识与主题分类是两把钥匙打开 README.rst 你会注意到每条数据前面都带一个图标这是全清单最重要的设计✅|OK_ICON|表示正常维护当前有 875 条可以放心去访问数据源⚠️|FIXME_ICON|表示链接可能需要修复目前有 104 条——这类条目数据本身可能还在但访问入口出了问题用之前多花十秒确认一下。主题分类则决定了你怎么逛。清单采用字母序的主题分节比较有代表性的几节包括主题对应 README 分节典型内容Biology1000 Genomes 基因组数据、癌症细胞系百科全书 CCLE、Palmer PenguinsClimateWeatherWorldClim 全球气候数据、NOAA 系列气象数据、1929 年至今的全球气候历史Economics哈佛经济复杂度图谱、各国教育水平、金融利率类数据MachineLearningUCI 机器学习库、MovieLens、Youtube 8MSocialSciences包含常被用作教学样例的 Titanic 乘客生存数据分类是按学科主题而不是数据格式划分的这意味着找数据时你该问自己的是我的研究属于哪个学科而不是我要 CSV 还是图片。awesome-public-datasets 最短上手路径三步拿到第一个数据集整个过程不需要任何注册和配置三步就能跑通第一步克隆仓库。仓库本身很轻克隆下来就是一个可直接浏览的列表git clone https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets第二步按主题定位分节。本地浏览时直接 CtrlF 搜主题名注意 RST 文件名里主题名不带空格比如气候气象写作ClimateWeather不想翻全文的话一条 grep 就能把关键词相关的条目全捞出来grep -i climate README.rst第三步点开数据源链接下载。每条条目末尾的 Meta 链接指向该数据集的 YAML 元信息文件里面记录了更完整的格式、体积和获取方式描述条目正文里的链接则直接指向数据源官网。先认准 ✅ 标识基本可以一步到位。顺便提一句仓库里还附带了一个可直接解压的教学样例 Datasets/titanic.csv.zip就是大名鼎鼎的 Titanic 乘客数据适合刚学数据清洗的同学零门槛练手。新手友好度较高的几类数据附具体用法如果你还没想好学什么下面几组条目是公认的低门槛起点都对应清单里的真实条目练手首选Palmer Penguins。为初学者准备的结构化小数据集字段干净、文档齐全常用来完整走一遍加载—清洗—建模流程气候方向WorldClim。高分辨率全球气候图层数据做生态、农业与环境分析的常客同分节里的 NOAA Climate Datasets 和 1929 年至今的全球气候历史数据适合做时间序列机器学习方向UCI Machine Learning Repository 与 MovieLens。前者是老牌综合数据仓库后者是推荐系统入门的经典评分数据集网络方向Stanford Large Network Dataset Collection。真实图结构数据合集复杂网络课程作业的好素材教学演示Titanic 生存数据。条目在 SocialSciences 分节配合仓库自带的 Datasets/titanic.csv.zip 可以直接开讲。用法上的小建议拿到数据集先做两件事——确认许可范围清单大多数条目免费但多数不等于全部以及核对数据体积是否匹配你的硬件。这两步做在前面能省掉下载一半才发现用不了的尴尬。避坑指南遇到失效链接怎么办以及为什么不能直接改 README用这类社区清单最常踩的两个坑在这里一次性说清。坑一点进去发现链接失效。先看条目标识——如果本来就是 ⚠️FIXME说明社区已经知道它有问题此时可以去对应 Meta 链接指向的元信息文件里核对数据源是否搬家如果标识是 ✅ 却打不开大概率是源站临时波动或条目尚未被巡检到可以稍后复查也可以参考仓库贡献流程提交反馈帮助条目被标记修复。坑二看到坏链接想顺手改掉。这一点必须注意README 顶部有明确的 NOTICE——本仓库由自动化工具apd-core生成禁止直接修改 README.rst。正确的贡献姿势是把新数据集的元信息按 YAML 格式提交到核心仓库经审核后由工具自动同步进这份列表状态标识也会随之更新。这样的设计保证了列表质量不依赖谁手快而是依赖审核流程。想了解许可范围的同学可以看 LICENSEMIT 协议。还有一个使用习惯上的提醒清单条目是索引而非数据本身真正下载、存储时请以数据源官网的说明为准个别数据集的访问条件注册、申请在清单简介里可能只是一笔带过。现在就可以开始克隆仓库打开 README.rst挑一个你熟悉的主题分节找一条带 ✅ 标识的条目点进去——你的下一个数据集大概率就在这一份列表里。【免费下载链接】awesome-public-datasetsA topic-centric list of HQ open datasets.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考