经济、公卫、地理、机器学习四个方向，逐个用中文讲清它有什么、怎么取、能做什么研究。要找的不在库里？把必须满足的条件告诉我们——先评估可得性，再真实检索，找不到不收费。
国内研究者常用、却往往难找全或难用顺的国际开源库。
跨国经济比较绕不开的黄金标准：把各国 GDP、产出、资本与生产率拉到同一可比口径，是国际顶刊宏观与增长研究的标配底数。
以购买力平价（PPP）为核心、可跨国跨期比较的国民经济核算库：支出侧实际 GDP（CGDPe/RGDPe）、产出侧实际 GDP（CGDPo/RGDPo）、按国民核算口径的实际 GDP（RGDPNA）、人口与就业、人力资本指数、资本存量、全要素生产率（TFP）、价格水平与 PPP 等。
跨国增长、生产率、收敛与发展研究的公认底数。
版本PWT 11.0（2025-10） · 格式Excel / Stata / 在线工具 · 标识DOI:10.34894/FABVLR
元数据以官方为准（2026-06 核验）。
不同版本的 PPP 基准、链式与当期口径、产出侧与支出侧 GDP 极易混用错配，自行比对常耗数日仍难自洽。版本梳理与口径校准交给我们，取来即用。
全球收入与财富分布的长历史数据库，融合国民账户、住户调查与税收数据，校正传统调查对顶端的低估。
收入分布（税前/税后，按百分位、十分位的份额与人均水平）、财富分布与顶端财富份额、国民收入与国民账户宏观变量；近年新增对外收入、对外财富、公共收入与公共支出等。每条序列含地区代码、年份、指标代码、人口/百分位区间、币种与单位等维度。
分布结构、再分配、宏观与发展经济学的分布份额统计。
更新滚动更新（含 2024 更新） · 格式网页导出 / Stata 包 / R 工具
许可类型以官方条款为准（待核验）；元数据 2026-06 核验。
指标代码、币种单位、税前税后口径与百分位区间繁多，年度更新还会新增序列，自行对照官方字典逐条对齐、跨年跨地区拉通极易错配。交给我们整理成统一可检索的规范序列。
经清洗调和的产品级双边贸易长表，HS 6 位、覆盖全球主要经济体，是贸易实证研究公认的标准口径。
| 字段 | 含义 |
|---|---|
| t | 年份 |
| k | 产品类别（HS 6 位，保留前导零） |
| i / j | 出口方 / 进口方（ISO 数字代码） |
| v | 贸易额（千美元，现价） |
| q | 数量（公吨） |
方法学：对 UN Comtrade 原始申报做 CIF/FOB 口径统一、按报告方可靠性对镜像数据加权对账。
版本202601（2026-01，每年 1 月更新） · 格式CSV（ZIP 分发）
分析单位以 ISO 数字代码表示；元数据 2026-06 核验。
镜像数据打架、CIF/FOB 口径不一、HS 编码前导零被当数值丢失、跨年版本对不齐——这些拖垮研究者的脏活，我们已处理为可直接入模的一致长表。
引力方程估计要用的双边变量这里成套齐备：贸易流、距离、协定、共同语言与宏观指标，是国际贸易实证研究的标准基础数据。
① 双边贸易流（IMF DOTS / UN Comtrade / BACI 三源）；② 地理距离测度（多种加权距离、是否接壤、内陆、岛屿、经纬度）；③ 制度与贸易便利化变量（GATT/WTO 成员、区域/双边贸易协定）；④ 历史与制度联系的代理变量（共同语言、宗教、法律体系起源、历史关联等）；⑤ 宏观指标（GDP、人口）。
引力模型、双边贸易、全球价值链实证。
版本202211（2022-11） · 格式CSV / R / Stata · 引用Conte, Cotterlaz & Mayer (2022)
地区划分沿用数据源国际统计分类口径，仅为统计惯例，以中国官方标准为准；元数据 2026-06 核验。
三套贸易流来源口径不一、距离与制度变量年份各异、报告方编码还要逐年对齐，自行拼出一套可直接跑回归的双边面板往往要耗上数周。这里交付的是已统一口径、对齐配对的成套数据。
把世界经济拉到两千年尺度的权威基准：自公元 1 年起跨国可比的人均 GDP 与人口估计。
| 字段 | 含义 |
|---|---|
| countrycode / year | 地区代码 / 年份 |
| cgdppc | 水平比较口径人均 GDP（2011 国际美元） |
| rgdpnapc | 实际人均 GDP（跨时增长比较） |
| pop | 人口（千人） |
| i_cig / i_bm | 估计来源 / 基准估计标识 |
历史经济学、比较发展、长期增长与收入水平差异。
版本MPD 2023 · 格式Excel / Stata · 标识DOI:10.34894/INZBF2
字段命名与归类以官方 Codebook 为准；元数据 2026-06 核验。
不同年份发布的口径屡有修订、现价与实际两套人均 GDP 各有适用场景、基准估计与插值外推的标识需要逐字段甄别。这里直接交付经过梳理对齐、口径标注清晰的可用数据。
衡量人力资本存量的权威参照系：分性别、分年龄的跨国受教育程度估计，被世界银行与大量增长研究长期引用。
分性别（总/男/女）、分年龄组的受教育程度：各教育层级（无教育/初等/中等/高等，含未完成与完成）的人口占比、平均受教育年限（yr_sch 及分初/中/高），以及用于估算的入学率、辍学率、人口结构等；含 Lee-Lee 长期历史数据与教育质量等扩展模块。
教育经济学、人力资本与经济增长实证。
版本2021-09（BLv3） · 格式Excel / CSV / Stata
许可存在双重表述（GitHub MIT / 官网保留权利），商用前建议核验作者授权；元数据 2026-06 核验。
不同发布批次的口径调整、教育层级划分与历史回溯序列的衔接，往往让自行整理者反复对齐、难以确认用哪一版。我们已完成版本梳理与变量校准。
权威、口径统一、可跨国比较的健康与人口数据，国内获取门槛较高。
国际人口学界公认的死亡率与生命表权威源，统一计算方法，可直接用于精算、寿险定价与人口研究。
分年龄/性别的死亡率、生命表、死亡数、出生数与暴露风险人口；含时期与队列两套数据，以及生命表所用原始输入数据。附属子序列：短期每周死亡数序列（STMF，用于死亡波动监测）。
人口学、老龄化、精算与公共卫生。
更新各国滚动更新 · 格式CSV/TXT / Excel / R 接口
输入数据受各国统计机构原许可约束；元数据 2026-06 核验。
各国原始口径不一、生命表构建方法繁琐、版本更新与暴露风险人口对齐易出错，还要先注册接受协议。交由我们交付口径统一、可追溯的标准化成品。
发达国家高质量生育数据的国际权威源，按母亲年龄与孩次细分至生育表层级，是低生育率对标研究的可比基准。
四大数据块：① 汇总指标（出生数、粗出生率、总和生育率 TFR、节奏调整 TFR、平均生育年龄、队列累计生育率等）；② 按年龄/孩次明细；③ 时期表与队列生育表（含 PATFR）；④ 原始输入数据。统一标准化方法（Lexis 格式、人口分母、生育表计算）。
人口学、生育与家庭动态、公共政策对标。
更新滚动更新 · 格式制表符文本 / Excel（lite）
输入数据受各国统计机构原许可约束；元数据 2026-06 核验。
各国出生与人口原始记录口径不一、年龄孩次维度参差，要自行对齐 Lexis 格式、统一分母并复算时期/队列生育表既耗时又易错。这里直接交付已标准化、可横向比较的成套数据。
覆盖发展中国家的全国代表性入户调查微观数据，统一问卷口径，是全球健康与发展研究难以替代的一手来源。
生育与总和生育率、计划生育与避孕、孕产妇与儿童健康（免疫、患病与存活）、营养、HIV 与疟疾、生物标志物等模块；按记录文件组织（妇女/儿童/家户/男性/HIV 等）。调查类型含标准 DHS、疟疾指标调查、艾滋指标调查、服务提供评估等。
全球健康、人口与发展经济学。
格式Stata / SPSS / SAS / ASCII；汇总指标 STATcompiler / API · 更新国家+轮次滚动
微观数据需按项目说明申请、限定用途；元数据 2026-06 核验。
多轮调查、多种调查类型与按记录文件拆分的字段结构，往往需要逐版本核对口径、对齐编码并跨文件关联才能用于分析。我们已完成版本梳理与字段对齐整理。
全球疾病负担测算的公认权威基准，371 种疾病与伤害、88 种危险因素，是流行病学与卫生政策研究的高频数据源。
| 维度 | 取值 |
|---|---|
| 度量指标 | 死亡数、DALYs、YLLs、YLDs、患病率、发病率、HALE |
| 分层维度 | 地点、年份、年龄、性别、病因、危险因素 |
| 单位 | 数值 / 率 / 百分比 |
疾病负担、流行病学、卫生政策评估。
版本GBD 2021 · 格式网页表 / 可视化 / CSV（GBD Results 工具）
地理粒度按国家/地区/次国家级层级描述，地名口径以中国官方为准；元数据 2026-06 核验。
病因分类、危险因素归因与多年份口径的对齐校准本就繁复，跨版本指标定义与单位换算稍有出入便会影响结论。我们已完成版本梳理与口径对照。
把"地上发生了什么"做成可计算图层，国内研究的经济与城市分析常用代理。
以一束可量化的夜光还原经济活动、城市扩张与能源分布——衡量区域经济最常用的遥感代理。
| 波段 | 含义 |
|---|---|
| average / average_masked | 平均辐射 / 掩膜后平均辐射 |
| median / maximum / minimum | 中值 / 最大 / 最小辐射 |
| cf_cvg / cvg | 无云观测计数 / 总观测数 |
辐射单位 nW/cm²/sr，经去云、去月光、去火点处理。
区域经济、GDP 代理、电力可及性与城市扩张。
版本年度 VNL V2.2 · 格式GeoTIFF
许可口径官方表述不一（公共领域或 CC BY，均可商用，建议署名 EOG）；本站不渲染地图，元数据 2026-06 核验。
全球夜光散落在境外平台、注册门槛与多版本格式让人光是"拿到能用的那一份"就耗掉大半精力，年际传感器/算法一致性还需自行甄别。这部分繁琐交给我们处理到位。
把"哪里有人、有多少、城市化到什么程度"做成全球统一口径的栅格图层，城市与人口暴露研究难以替代的底层数据。
| 产品 | 含义 |
|---|---|
| GHS-BUILT-S / V / H | 建成区面积 / 体积 / 建筑高度 |
| GHS-POP | 人口分布格网（每格人数） |
| GHS-SMOD / DUC | 城市化程度 / 行政单元城市化分类 |
城市化、人口分布、区域经济与灾害暴露。
版本R2023A · 格式GeoTIFF
行政单元划分沿用数据源原始口径，仅为技术处理结果，以中国官方标准地图为准；本站不渲染地图，元数据 2026-06 核验。
多版本年份交错、建成面积与人口格网口径各异、与普查及联合国数据的对齐繁琐，自行下载比对、统一坐标与分辨率往往耗时数日。交由我们完成版本甄别与口径对齐。
基于 Sentinel 卫星的 10 米全球土地覆盖图，独立验证总体精度约 76.7%，分类清晰、可直接用作研究底图。
单波段（Map）记录 11 个土地覆盖类别：树木覆盖、灌木地、草地、耕地、建成区、裸地/稀疏植被、冰雪、永久水体、草本湿地、红树林、苔藓与地衣。附产品用户手册与验证报告。
土地利用、农业、生态、城市扩张与环境研究。
版本v200（2021，2022-10 发布）· 格式Cloud-Optimized GeoTIFF
两版算法不同，做变化检测需谨慎；本站不渲染地图，元数据 2026-06 核验。
v100 与 v200 口径差异、类别定义对齐、精度报告比对与原始栅格的获取分发，自行梳理往往耗时易错。我们已完成版本甄别与说明整理，按需直取可用底图。
约 100 米分辨率的网格化人口估算，以官方普查为基底降尺度，空间人口学研究与区域规划的权威公开源。
人口计数（每网格估计居住人口）、人口密度、分年龄分性别人口结构、发展指标（贫困/出生率等）、人口流动等。方法学：以普查为基础，用随机森林 dasymetric 再分配结合地理协变量降尺度到约 100m 网格。
空间人口学、城市研究、灾害评估、可达性与公共服务规划。
版本按 DOI 分版 · 格式GeoTIFF / REST API
为第三方机构基于模型估算的成果，行政区划与边界以中国官方标准为准；本站不渲染地图，元数据 2026-06 核验。
同一区域跨年份、跨版本的人口栅格口径与坐标系常需反复核对，年龄性别分层与协变量对齐也耗时。我们已完成版本梳理与字段统一，检索即用。
覆盖全球的高分辨率气候栅格基准，逐月气温降水到 19 个生物气候变量一应俱全，物种分布与气候影响评估的常用参照源。
逐月最低/平均/最高气温（°C）、降水量（mm）、太阳辐射、风速、水汽压；19 个标准化生物气候变量（bio1–bio19，如年均温、温度季节性、年降水量等）；附 SRTM 高程。由全球气象站记录经薄板样条插值生成。
物种分布与生态位建模、气候变化影响、农业与城市气候分析。
版本2.1（2020-01）· 格式GeoTIFF（按要素/分辨率分组）
官方口径为非商业用途，未经许可不得再分发或商用；元数据 2026-06 核验。
不同版本口径、变量定义与坐标对齐的逐一比对往往耗费数日。我们已完成整理校核，可直接取用进入分析。
面向计算机视觉与 NLP 的超大规模开放语料，体量大、上手有门槛。
全球计算机视觉研究的奠基性基准，逾千万张人工标注图像、两万余类目，自 2009 年起被学界与产业引为通用评测标尺。
来自网络采集的自然图像、每图类别标签（对应 WordNet 同义词集 synset）、WordNet 名词层级关系，部分子集含目标定位边界框（bounding box）。按 WordNet 名词树组织，目标为每个 synset 约 1000 张图。
图像分类、目标定位、迁移学习与模型评测基准。
版本ImageNet-21K / 里程碑子集 ILSVRC2012 · 格式图像（JPEG）+ 标注
2019 年起官网关闭 21K 全量下载、仅保留 ILSVRC 子集；仅限非商业学术研究；元数据 2026-06 核验。
模型在自有样本上跑得不错，换到公认标准基准上却名次成谜——缺的不是算力，是一把行业共同认账的尺子。基准取用与子集对齐交给我们。
规模最大的开放多语平行语料集合，逾千种语言、上千组语言对，是机器翻译与多语 NLP 的基础库。
双语/多语逐句对齐文本（bitext）：源语言句、目标语言句、语言对标识、子语料来源标识、句对齐信息（XCES stand-off）；部分经处理含分词、词形还原与词性标注。
机器翻译、跨语言模型与多语 NLP。
格式XML+对齐 / TMX / Moses 纯文本 · 工具OpusTools / API
许可依各子语料各异，使用前须逐子语料核对；元数据 2026-06 核验。
语料来源分散、版本与对齐口径各异、子语料格式与授权各不相同，逐一甄别整合往往耗时费力。我们已完成梳理与统一交付，按语言对即取即用。
覆盖全球公开网页、按月持续更新的 PB 级标准化 Web 归档语料，是大模型预训练与大规模文本研究的基础语料源。
| 格式 | 含义 |
|---|---|
| WARC | 原始 HTTP 请求/响应（含 HTML） |
| WAT | 提取的元数据（链接、标题等 JSON） |
| WET | 仅抽取的纯文本正文 |
另含 URL 索引（CDXJ/列式）、超链接图谱。主要字段：URL、抓取时间戳、HTTP 状态、MIME 类型、内容与纯文本。
大规模语料研究、自然语言处理与大模型预训练。
版本CC-MAIN-2026-21 · 格式WARC/WAT/WET（gzip）+ 列式索引
网页内容版权归原站；用户需自行做合规清洗与过滤，遵守来源许可与中国法律法规；元数据 2026-06 核验。
自行从全网抓取、去重、对齐格式并维护跨月份版本口径，往往耗费大量算力与工程时间且难以复现。我们已梳理好格式、字段与索引脉络，直接取用可研究的语料。
配套的中文指南，讲清公开数据去哪找、平台怎么选、许可能不能商用、官方数据怎么查。
