数据集汇总
课程与练习使用的数据集与词表下载，含 CSV、Excel、txt 等格式。
您可以在本页面浏览或搜索所需的数据集：
| 数据集名称 | 说明 | 格式 | 更新日期 | 文件下载 |
|---|---|---|---|---|
| 汽车数据 cars2（含车型名称） | 32 款车型的油耗、气缸数、排量、马力、车重等指标，保留了车型名称列，适合练习分组汇总与图形展示。 | csv | 2026年8月17日 | 点击下载 |
| 社区糖尿病随访体检数据 | 200 位居民的体检与随访记录：身高体重、血压、血糖、血脂、肝肾功能，以及随访期间是否确诊糖尿病，适合做逻辑回归练习。 | csv | 2026年8月16日 | 点击下载 |
| 埃博拉疫情样本数据 | 2014 年塞拉利昂埃博拉疫情样本，含年龄、性别、确诊状态、发病日期、采样日期与所在地区，共 200 例。 | csv | 2026年8月15日 | 点击下载 |
| Excel 多工作表示例（星战角色 + 企鹅） | 一个 xlsx 文件包含两个工作表：Sheet1 是星球大战角色资料（starwars），Sheet2 是帕尔默企鹅数据（penguins），用于练习指定工作表的读取。 | xlsx | 2026年7月22日 | 点击下载 |
| 各国人均 GDP 与受教育年限 | 跨国面板数据（1946 年起），含国家名称、ISO 代码、年份、人均 GDP（gdppc）与平均受教育年限（edu_year），适合做一元回归与散点图练习。 | csv | 2024年4月8日 | 点击下载 |
| 中文停用词表（通用） | 通用中文停用词表，约 2300 个，每行一个词，用于中文文本分词后过滤无意义的高频词。 | txt | 2024年4月6日 | 点击下载 |
| 英文停用词表 | 英文停用词表，约 1300 个，每行一个词，用于英文文本的词频分析。 | txt | 2024年4月6日 | 点击下载 |
| 百度停用词表 | 百度中文停用词表，约 1400 个（含标点与常用英文词），每行一个词。 | txt | 2024年4月6日 | 点击下载 |
| 四川大学停用词表 | 四川大学机器智能实验室的中文停用词表，约 980 条常用短语，每行一条。 | txt | 2024年4月6日 | 点击下载 |
| 中文停用词修正表 | 约 810 条常用字词的修正/补充表，用于在通用停用词表之外再做一轮过滤。 | txt | 2024年4月6日 | 点击下载 |
| 生僻字表 | 5400 余个生僻字，每行一个，用于从文本中剔除生僻字、减少噪音。 | txt | 2024年4月6日 | 点击下载 |
无匹配项