数据科学中的R和Python: 30个免费数据资源网站

人们都喜欢听故事而不是看数字和公式，数据可视化可能是讲故事的终级神器。但这里有个前提条件，你首先得拥有数据。获取可靠的数据涉及到多个步骤，找到数据、整理清洁数据、转换为合适的格式等等。数据准备往往是数据分析工作中非常让人头疼的方面。随着全世界对数据资源的重视，现在有很多新的公开数据源可供研究者使用。下面就是visual.ly归纳的三十个免费的数据资源网站。本文进行了翻译和补充。

1 政府数据

Data.gov：这是美国政府收集的数据资源。声称有多达40万个数据集，包括了原始数据和地理空间格式数据。使用这些数据集需要注意的是：你要进行必要的清理工作，因为许多数据是字符型的或是有缺失值。
Socrata：它是探索政府相数据的另一个好地方。Socrata的一个了不起的地方是，他们有不错的可视化工具，使研究数据更为容易。
一些城市都有自己的数据门户网站设置，可供访问者浏览城市的相关数据。例如，在旧金山数据网站，你可以获得很多数据，从犯罪统计到城市的停车位。
联合国有关网站，例如世界卫生组织提供了丰富的数据资源，从死亡率到世界饥饿统计数字。
美国人口普查局也有相当多的生活数据，例如收入、种族、教育、人口和商业信息。

2 集成数据
这些网站已经从各种地方收集了相当多的数据。有时更容易从这里找到好东西。

Programmable Web：这是一个探索各类API的好地方。
infofochimps：提供了一个数据集市，其中有大量的公开数据资源和API资源。类别非常广泛，从Twitter到地理位置数据。用户甚至可以上传自己的数据。
Data Market：这也是一个好地方，数据包括了经济，医疗保健，食品和农业，汽车行业相关的数据。
Google Public data explorer：谷歌公共数据浏览容纳大量的数据，从世界发展指标、经合组织和人类发展指标，主要是有关经济数据。
Junar：这也是一个很好的提供的数据抓取和传送服务的网站。
Buzzdata：这是一个提供数据共享服务的网站，它允许用户上传自己的数据和连接。

3 社交网络数据
通常情况下要得到社交数据，需要依赖社交网站本身提供的API数据。

Twitter：你可以访问Twitter API，但其用途相当有限，Twitter API有一个获取数据的限制。如果需要更多信息，可以去看看Gnip或者PeopleBrowsr，DataSift。
Foursquare：他们有自己的API，你也可以通过Infochimps得到它。
Facebook：Facebook的图形API是Facebook的最佳资源。
Face.com：一个提供面部识别数据的工具。