数据集去哪找：国内+国际公开数据网站汇总（免费/付费/受限）

数据从哪找？一篇文章给你捋清楚（外行友好版）

国内几个常用的数据平台（不用翻墙，注册就能用）

这几个是国内做数据分析、训练AI模型最常去的地方，对新手很友好。

百度飞桨 AI Studio 星河社区：https://aistudio.baidu.com/datasetoverview

这个平台上有上千个开放数据集，图像、语音、文字类的都有。注册个账号就能用，基本免费，适合练手。

阿里云天池：它是个竞赛平台，数据最大的特点是“真实业务场景”，比如电商、金融、物流的数据。如果你需要接近真实业务的数据来测试，这里很适合。

和鲸社区（Kesci）：金融、社交、电商、医疗等多个领域的数据都有。它比较方便的一点是，自带在线分析工具，下载完数据不用换环境就能直接跑。

关于天池和和鲸的具体定位，可以参考知乎上的讨论（https://www.zhihu.com/question/399674482），但具体有多少数据集、怎么收费，还是要以各平台官网上的最新说明为准。

面向大模型、多模态数据的平台

OpenDataLab（上海 AI 实验室）：https://opendatalab.com/

这个平台专门面向大模型，收集了很多文本和图片数据。根据官方说法，它已经收录了数千个开源数据集。注册后就能下载。具体数量，还是以官网页面为准。如果你在搞大模型，需要大量语料，这里是首选。

经管、金融、学术类数据（质量高，但门槛也高）

这类数据专业性强，但别指望点开就能免费拿全。

CnOpenData：https://www.cnopendata.com/

有经济、金融、会计、法律、地理、新闻等500多个专题库。部分是免费的，部分要付费或有限制，具体看它每个库页面的标注。

CSMAR 国泰安（现更名为深圳希施玛）：这个是中国股市和会计研究的老牌数据库。你可以看看清华经管学院的介绍（https://www.sem.tsinghua.edu.cn/info/1164/12168.htm）。

但要注意，它本质上是高校图书馆订阅的付费资源。一般需要在校园网范围内、用真实姓名和学校信息注册才能用。个人用户很难免费拿到全部数据。

政府官方公开数据（权威、免费，建议优先考虑）

做严肃分析时，这类数据最靠谱。

国家数据（国家统计局数据库）：https://data.stats.gov.cn/

可以查到月度、季度、年度和普查数据，免费查询。部分功能需要注册。

国家统计局·数据：https://www.stats.gov.cn/sj/

这里可以找到数据发布、普查数据、中国统计年鉴等入口，全部免费。

地方公共数据开放平台：目前全国有20多个省市已经上线了这类平台，大部分免费下载，部分需要注册。
上海：https://data.sh.gov.cn/
北京：https://data.beijing.gov.cn/
杭州：https://data.hangzhou.gov.cn/index.html
如果你想找其他省市，可以参考这个第三方汇总的索引（https://www.cnblogs.com/mo3408/p/17499119.html）。不过，具体网址、数据和字段口径，一定要以各平台官网的最新情况为准。

国际上的权威数据源（质量高，但访问体验可能不稳定）

这些网站都是国外的，质量很高，但在国内访问速度可能会慢一点。

Hugging Face（数据集部分）：https://huggingface.co/datasets

这里有海量的数据集，以文本类为主，大部分免费。它就像一个托管数据的“GitHub”。不过要注意，每个数据集都有自己的使用许可，有的要先同意条款或申请才能下载。

Kaggle（数据集部分）：https://www.kaggle.com/datasets

老牌的数据科学竞赛平台，有大量公开数据集，还自带免费的在线运行环境。需要注册，但个别竞赛的数据有禁止再分发的限制，别随手转发。

Papers with Code（已于 2025 年关停·作历史参考）：它曾把论文和配套代码、数据按任务领域归在一起、很适合复现论文；但已被 Meta 关停、域名跳转到 Hugging Face。现在找论文配套的代码/数据，优先用 Hugging Face、GitHub 上论文的官方仓库。

Zenodo：https://zenodo.org/

由欧洲核子研究中心（CERN）支持的一个通用开放仓库。每份数据都有一个DOI号（方便论文引用），适合存取论文的配套数据，免费。

World Bank Open Data（世界银行）：https://data.worldbank.org/

这里有2000多个时间序列数据，比如世界发展指标等。支持CSV、Excel和API下载，全部免费开放。如果你需要做跨国对比的数据，来这里。

医疗、生理信号类数据（典型的“看得见拿不着”）

PhysioNet：https://physionet.org/about/database/

这是一个生理和医疗信号数据库，分三档：

Open Access：几乎没限制，直接用。
Restricted Access：需要注册并签数据使用协议（DUA）。
Credentialed Access（比如著名的MIMIC数据库）：要先完成CITI的人类研究和数据隐私培训，然后上传培训报告，等审核通过（一般几天内），再签DUA。而且每人单独申请，不能团队或课堂共用一个账号。申请前的培训要求可以看这里：https://physionet.org/about/citi-course/

简单总结一下：哪个最好拿？

点开就能下（最省事）：飞桨AI Studio、国家统计局、地方政府开放平台、World Bank、PhysioNet的Open Access部分。
要注册/看许可：Hugging Face、Kaggle、OpenDataLab、Zenodo。平台免费，但单个数据集可能有自己的规则。
要付费/校园账号：CSMAR国泰安、CnOpenData的部分库。个人想免费拿全，基本不可能。
要走受限流程：PhysioNet的MIMIC这类数据——培训、签协议、审核，急用的话要留足时间。

一个很实在的建议：数据太散、找不到，别硬找

上面列了这么多，但实际中你会发现，很多数据是“看得见拿不到”——要么要付费、要么有培训要求。而且，自己一个个平台去翻，效率很低，还容易漏掉。

如果你有具体的数据需求，觉得东翻西找太麻烦，或者不确定某个数据到底能不能拿到，可以试试数聚天成 DeepSData。它能帮你做一次深度数据可得性检索，跨国内通用平台、政府官方源、国际权威库一并查，去重、标来源，然后给你一个诚实的判断：这个数据到底能不能拿到？是免费直下、要注册付费，还是受限流程？如果找不到，它也会告诉你是因为数据本身不存在或不公开，并给出近似数据来源和替代方向。它不承诺“一定找得到”，只把“能不能拿、怎么拿”如实告诉你，帮你省下自己挨个平台试错的功夫。

说明：本文为公开资料整理，仅供参考；平台政策、价格、下载方式与链接随时可能变化，本文不保证持续更新，请以各官方页面最新信息为准。