还在为找数据而发愁吗？看完这篇应该再也不会了

作者：xiaoyu

微信公众号：Python数据科学

知乎：python数据分析师

---

学数据分析当然要先有数据，数据是分析的根本，不然一切都是空谈。如果是在公司里，得到数据轻而易举，因为公司有客户，有业务，必然会产生大量数据。但仅仅是个人学习的话，我们如何得到数据呢？

其实这也是好多正在学习数据分析的朋友常会遇到一个问题。一些朋友可能说爬虫可以解决。没错，确实可以通过爬虫来获取一部分信息，但也有局限性，并且每次都爬不但麻烦，也会遇到很多问题，毕竟我们的重点是分析而不是爬虫。

下面博主将珍藏的一些网上公开数据源做一个汇总，帮助有需要数据的朋友们。

1 机器学习/数据挖掘

1. 1 Kaggle

https://www.kaggle.com/

Kaggle是无数数据挖掘爱好者喜爱的竞赛平台，它的大标语是：your home for data science。许多大公司与Kaggle合作，提供公开的数据源，并设立奖金，希望数据挖掘爱好者们通过竞赛的方式提供最优方案，解决实际问题。所提供的奖金丰厚，给予比赛最好成绩的前三名选手。

当然，大部分人参加竞赛并不是为了奖金而去，真实的目的是通过实战来提高自己的数据挖掘能力，在与世界各国的爱好者进行切磋的同时，开阔自己的眼界和视野，学习新知识。并且，这些大公司提供的数据源是非常有参考价值的，可以作为实战项目的首选，对求职者也是个很大的帮助。

1.2 天池

https://tianchi.aliyun.com/

国内比较有名的数据挖掘平台了，它是一个数据科学家的社区，由阿里巴巴组织。赛事众多，有奖金支持，并云集了各路国内爱好者和高校研究者的参加。比赛设有初赛，复赛，决赛等关卡，有评委进行把关。平台同样也拥有大量免费的数据集供爱好者们使用。

1.3 数据城堡（DataCastle）

http://www.pkbigdata.com/

同样也是数据科学的竞赛平台，报名后获取任务数据集，也是一个非常好的学习网站。

1.4 SofaSofa

http://sofasofa.io/index.php

虽然竞赛人数和项目都一般，但是作为数据科学社区，提供免费的数据集。并可以在社区内进行技术交流和探讨。

2各行业的数据网站

2.1 世界宏观经济数据

https://knoema.com/
https://data.worldbank.org.cn/

关于世界宏观经济的两个网站，涵盖大量相关数据和学习资源。

2.2 国家统计局

https://www.stats.gov.cn/

数据来源于中国国家统计局，主要涉及我国经济民生等多个方面的数据，并在月度、季度、年度等多维度覆盖，较为全面和权威，对于社会科学的研究非常有帮助。

2.3 CEIC

http://www.ceicdata.com/zh-hans

拥有超过128个国家的经济数据，可以非常精确地查找到各国GDP, CPI, 进口，出口，外资直接投资，零售，销售，以及国际利率等数据。其中，“中国经济数据库”收编了300,000多条时间序列数据，数据内容涵盖宏观经济数据、行业经济数据和地区经济数据。

2.4 万得（Wind）

http://www.wind.com.cn/

万得有“中国Bloomberg”的称号，覆盖了全面的金融业数据，且类目更新非常快，受到很多商业分析者和投资人的亲睐。

2.5 搜数网

http://www.soshoo.com/

拥有海量的统计资料，数量高达7,874本，同时涵盖了1,761,009张统计表格和364,580,480个统计数据，汇集了中国资讯行自92年以来收集的所有统计和调查数据。

2.6 中国统计信息网

http://www.tjcn.org/

国家统计局官网，汇集了海量的全国各级政府各年度的国民经济和社会发展统计信息，建立了以统计公报为主，统计年鉴、阶段发展数据、统计分析、经济新闻、主要统计指标排行等为辅助的多元化统计信息资料库，目前在线资料已达上万份。

2.7 figshare

https://figshare.com/

一个研究成果共享的平台，来自世界的研究成果分享，同时有共享的研究数据。

2.8 OpenStreetMap

https://www.openstreetmap.org/

通过这个网站可以下载世界各地的地图数据。

2.9 极海（geohey）

https://geohey.com/

同样也是可以提供地图信息数据的网站；

2.10 github

https://github.com/caesar0301...

如果还嫌数据源不够，github上有位大神已经为大家整理好了一个非常全面的数据网站汇总，包含各个细分领域的数据资源（非常全），下面只是部分截图。

3总结

其实数据是无处不在的，需要我们平时善于发现和观察。以上是本次向大家分享的免费数据网站，希望对大家能有所帮助。

关注微信公众号：Python数据科学，发现更多精彩内容。