Awesome Public Datasets：数据人必备的全球公开数据集宝藏库

在数据驱动的时代，高质量公开数据集是科研、机器学习、数据分析、项目实战的核心燃料。但找数据难、找靠谱数据更难——分散、杂乱、质量参差不齐，是大多数数据爱好者的痛点。而 Awesome Public Datasets（APD） 就是解决这个问题的终极神器。

一、项目是什么？

Awesome Public Datasets 是由上海交通大学 OMNILab 孵化、现归属白玉兰开源 AI 社区维护的全球顶级开源数据集索引项目。
它是一个主题中心化、人工精选、持续更新的高质量公共数据清单，收录全球权威机构（NASA、WHO、世界银行、Kaggle 等）的公开数据，帮你一站式解决“数据从哪找、好不好用”的核心问题。

项目核心定位：

• 面向研究者、开发者、数据分析师、学生
• 免费为主，标注许可与使用限制
• 社区驱动，自动化+人工双维护，保证时效性

二、核心优势：为什么首选它？

1. 领域全覆盖
   覆盖35+ 细分领域，从农业、生物、气候，到计算机视觉、NLP、金融、医疗、时序、交通、政府数据，几乎满足所有方向需求。

2. 质量有保障
   所有数据集经过筛选验证，标注状态标识：

• ✅ OK：稳定可用、维护正常
• ⚠️ FIXME：待修复/需注意
  从源头避开无效、失效、低质数据。

3. 信息超完整
   每条数据附：来源、简介、规模、格式、许可、直达链接，不用反复跳转查证。

4. 纯粹的导航站
   不存储数据，只做高质量链接聚合，轻量、快速、无广告。

三、热门领域与精选数据集（速查版）

1. 机器学习/竞赛入门

• Kaggle 竞赛数据：实战必用，覆盖分类、回归、CV、NLP
• DrivenData：公益向数据竞赛
• KDD Cup：顶会经典数据集

2. 计算机视觉（CV）

• ImageNet：图像分类里程碑
• COCO：目标检测/分割通用
• Open Images：谷歌大规模图像库

3. 自然语言处理（NLP）

• SQuAD：阅读理解标准集
• GLUE/SuperGLUE：语言理解基准
• 多语言平行语料库

4. 时间序列（时序预测）

• 气象/气候时序
• 电力负荷、交通流量
• 金融行情与交易时序

5. 金融经济

• 世界银行开放数据
• 各国央行、证券交易所公开数据
• 加密货币历史行情

6. 医疗健康

• MIMIC-III：重症监护临床数据
• CheXpert：医学X光影像
• 全球疫情、传染病统计

7. 地理空间（GIS）

• NASA 地球观测
• OpenStreetMap 开放地图
• 全球气候、地形、遥感数据

8. 政府/公共事业

• 各国政府开放数据门户
• 交通、教育、能源、人口普查

四、高效使用 4 个技巧

1. 按主题直达
   打开 GitHub 目录，直接点击领域英文（如 TimeSeries、Healthcare）快速定位。

2. 先看许可再用
   注意标注：Commercial Use / Non-Commercial，避免版权风险。

3. 配合工具提速
   搭配 Hugging Face Datasets、Pandas、BigQuery Public Datasets，一键加载与分析。

4. 参与社区共建
   提交 PR 新增数据集，让清单更全。

五、总结

Awesome Public Datasets 不是一个简单的链接列表，而是数据科学领域的“维基百科”。
无论你是做课程作业、毕设、科研论文、AI 模型训练，还是做数据可视化、行业分析，它都能帮你快速找到权威、免费、好用的数据，把时间花在分析与建模，而不是找数据。

官方 GitHub 地址：
https://github.com/awesomedata/awesome-public-datasets

快去收藏，你的下一个项目灵感，可能就从这里开始！

高频公开数据集速查表（可直接复制）

1. 机器学习 / 通用竞赛

名称	简介	链接
Kaggle Datasets	分类、回归、CV、NLP 等竞赛&实战数据集	https://www.kaggle.com/datasets
UCI ML Repository	经典机器学习小数据集，适合教学&入门	https://archive.ics.uci.edu/ml/index.php
Hugging Face Datasets	NLP/CV/时序一键加载数据集	https://huggingface.co/datasets

2. 计算机视觉 CV

名称	简介	链接
COCO	目标检测、分割、姿态估计	https://cocodataset.org
Open Images	谷歌大规模标注图像库	https://storage.googleapis.com/openimages/web/index.html
ImageNet	图像分类基准数据集	https://www.image-net.org

3. 自然语言处理 NLP

名称	简介	链接
SQuAD	机器阅读理解标准数据集	https://rajpurkar.github.io/SQuAD-explorer
GLUE / SuperGLUE	语言理解评测基准	https://gluebenchmark.com
Common Crawl	海量互联网网页文本	https://commoncrawl.org

4. 时间序列（时序预测）

名称	简介	链接
Electricity Load	电力负荷时序数据	https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014
Weather Time Series	气象温度/湿度/风速时序	https://www.ncdc.noaa.gov
Traffic Flow	城市交通流量时序	https://data.gov

5. 金融经济

名称	简介	链接
World Bank Open Data	全球各国经济、人口、发展指标	https://data.worldbank.org
Yahoo Finance	股票、指数、加密货币历史行情	https://finance.yahoo.com
FRED	美国宏观经济数据	https://fred.stlouisfed.org

6. 医疗健康

名称	简介	链接
MIMIC-III	重症监护临床数据	https://mimic.mit.edu
CheXpert	胸部X光医学影像	https://stanfordmlgroup.github.io/competitions/chexpert

7. 地理 / 遥感 / 空间数据

名称	简介	链接
OpenStreetMap	全球开源地图数据	https://www.openstreetmap.org
NASA Earthdata	遥感、气候、地形数据	https://earthdata.nasa.gov

8. 政府 & 公共开放数据

名称	简介	链接
Data.gov (US)	美国政府开放数据	https://data.gov
国家数据网 (CN)	中国官方统计&行业数据	https://www.stats.gov.cn