数据挖掘常用的数据源

有关数据提供的综合性网络服务日益增多。有些网络应用提供了大型的数据文件，供人有偿

或无偿下载。还有一些应用则由广大开发人员创建，通过应用编程接口（Application Programming

Interface，API）获得数据。这能让我们运用某些服务应用（例如Twitter）的数据，并整合进自己

的程序中去。以下是其中一些资源。

. Freebase（www.freebase.com）——一个主要致力于提供关于人物、地点和事件的数据的

社区。它在数据方面有点类似维基百科，但网站的结构更清晰。可以下载网友上传的数

据文件，或者将你自己的数据进行备份。

. Infochimps（http://infochimps.org）——数据市场，提供免费和收费的数据下载。你也可

以通过他们的API来获得数据。

. Numbrary（http://numbrary.com）——为网上的数据进行编目，主要为政府数据。

. AggData（http://aggdata.com）——提供付费的数据集，多关注于各种零售业的地区性

数据。

. 亚马逊公用数据库（AmazonPublic Data Sets，http://aws.amazon.com/publicdatasets）——

更新不多，但确实有一些科研方面的大型数据集。

. 维基百科（http://wikipedia.org）——在这个靠社区运转的百科全书中有大量HTML表格格

专题性的数据

地理

只有绘制地图的软件，但却没有地理方面的数据？你走运了。有大量的形状特征文件和地区

性数据资料任你调用。

 TIGER（www.census.gov/geo/www/tiger/）——来自美国人口统计局，可能是目前最全、

最详细的有关道路、铁路、河流及邮政区域等方面的数据。

 OpenStreetMap（www.openstreetmap.org/）——最好的数据社区之一。

 Geocommons（www.geocommons.com/）——既有数据，又有地图绘制软件。

 Flickr Shapefiles（www.flickr.com/services/api/）——根据Flickr用户上传照片获得的地理数据。

体育

人们热爱体育竞技方面的统计，近几十年来的竞技数据都不难找到。你可以在《体育画报》

等杂志或者各球队官方网站上找到它们，也可以去专门的数据型网站。

. Basketball Reference（www.basketball-reference.com/）——提供每一场NBA赛事的详细数据。

. Baseball DataBank（http://baseball-databank.org/）——可以下载到美职棒联赛完整数据的

入门级网站。

. databaseFootball（www.databasefootball.com/）——可浏览全美橄榄球联盟（NFL）所有球

队、球员和赛季的数据。

全球

一些大的国际性组织都有关于全球性的数据，主要集中在卫生保健和发展指标等方面。不

过需要筛选一下，因为大部分数据都相对稀疏。在各个国家的数据间建立统一的衡量标准也不

太容易。

. 全球卫生事实数据库（GlobalHealth Facts，www.globalhealthfacts.org/）——世界各国医

疗卫生方面的数据。

. UNdata（http://data.un.org/）——来源众多的全球数据聚合。

. 世界卫生组织（World HealthOrganization，www.who.int/research/en/）——同样是医疗卫

生方面的数据，例如死亡率及平均寿命。

. 经合组织统计（OECDStatistics，http://stats.oecd.org/）——各国经济指标数据的主要来源。

. 世界银行（World Bank，http://data.worldbank.org/）——数百种指标数据，而且便于调用

政府与政治

近年来开始强调数据的透明公开，因此许多政府机构都公布了数据，而类似阳光基金会

（Sunlight Foundation）这样的组织也鼓励开发和设计人员对其加以利用。自从data.gov网站启动

后，很多政府数据被集中到了一处。我们还能找到许多对政治家起到舆论监督作用的非官方机

构网站。

. 美国人口统计局（www.census.gov/）——大量的人口统计资料。

. Data.gov（http://data.gov/）——为政府机构提供的数据进行编目。相对还比较新，但拥有

很多资料来源。

Data.gov.uk（http://data.gov.uk/）英国的Data.gov。

DataSF（http://datasf.org/）专门提供旧金山的相关数据

NYC DataMine（http://nyc.gov/data/）和DataSF相似

Follow the Money（www.followthemoney.org/）大量工具和数据集

OpenSecrets（www.opensecrets.org/）提供政府在竞选方面的数据