FiveThirtyEight Datasets

这个仓库是干什么用的？

简单说，FiveThirtyEight 数据仓库就像一个装满了现成、好玩、真实的公开数据宝箱——全部放在 GitHub 上，谁都可以免费拿走。里面存的是美国知名数据新闻机构 FiveThirtyEight 在做政治选举预测、体育比赛前瞻、经济趋势分析、流行文化研究时，亲自用过和清洗过的原始数据。最大的好处是：你不用再满网络找那些又脏又乱的数据集，也不用担心数据背后没有故事。每个文件夹都对应着一篇它们发过的有趣新闻报道，比如“最吓人的电影是哪一部”“拜登的支持率变化”“NBA 球员的真实实力排名”等等。对数据分析小白来说，这就是最好的练手材料。

小白零门槛，真的可以吗？

完全没问题。所有数据都是最基础的 CSV 格式——就是你用 Excel 或者记事本都能打开的那种。如果你会一点点 Python 或 R，用 pandas 或 read.csv 几行代码就能读进来。更贴心的是，很多文件夹里面还附带了它们当时建模用的 R 或 Python 分析脚本，以及生成图表的全部代码。你不需要自己从零开始写，复制粘贴就能跑，边跑边对照新闻文章，一下子就弄懂了原来数据是怎么变成图文的。哪怕你刚学数据分析一星期，也能对着这些代码学到很多实用技巧——怎么清洗、怎么画图、怎么从数字里挖故事。

完全免费吗？要不要注册？

完全免费，一分钱都不用花，也不用注册账号。直接打开 GitHub 仓库，想下载哪个文件夹就点进去，点那个绿色的‘Code’按钮，选‘Download ZIP’就能把整个数据包拖回自己电脑。或者你如果会用 git，直接克隆整个仓库也行。没有任何隐藏付费、没有试用限制、没有广告弹窗——对学生党和入门者超级友好。

有哪些适合新手的数据集？

有很多生活气息浓、一看就懂的主题。比如：

• 恐怖电影评分：看看哪些电影真正让人害怕，数据来自口碑网站，你可以学着做简单的排序和可视化。
• 美国人理想体重：调查数据里藏着人们对胖瘦的认知偏差，非常适合做探索性数据分析（EDA）练习。
• NBA 球员 RAPTOR 评分：如果你爱打篮球，可以下载这个数据，学学怎么用模型评估球员表现。
• 漫威电影评分：看看哪部漫威片观众最喜欢，你甚至能复现 FiveThirtyEight 自己做的图表。
• 总统民调 & 经济数据：想试试预测类项目？这些数据最早可以追溯到 1940 年代，足够你做一个像模像样的模拟项目。

每一个数据集都不复杂，变量也少，很适合零基础的人上手练习 pandas 或 Excel 操作。

适合哪些人用？能用在哪儿？

• 学生党/入门者：拿来交期末作业、做课程设计、写数据分析博客，比用那些冷冰冰的经典数据集（比如鸢尾花、泰坦尼克）有意思多了。
• 数据新闻或自媒体小编：可以学习专业机构的选题思路和可视化风格，直接用它们的数据做复刻，再结合自己的解读发文章。
• 讲师/培训师：把这里的真实案例搬进课堂，学生更有兴趣。比如用“美国大选民调”讲加权平均，用“最恐怖电影”讲排序与关联。
• 体育或游戏爱好者：比如 Fantasy 篮球玩家，可以用 NBA 数据辅助决策，甚至自己写个简单的预测模型。

国内能直接访问吗？

数据托管在 GitHub 上，国内网络环境通常可以直接打开网页和下载 CSV 文件，GitHub 在国内的连通性还不错。但如果出现偶尔加载慢的情况，可以尝试换一个网络环境或者使用镜像站。

跟类似网站比有什么挑头？

同类网站还有 The Pudding Datasets、BuzzFeedNews GitHub 仓库、ProPublica Data Store。相比之下，FiveThirtyEight 的数据最“八卦”也最“接地气”——既有严肃的政治民调，也有电影、食物、游戏这些轻松话题。而且由于 Nate Silver 团队在预测领域的声誉，他们整理的选举数据非常权威，对做预测模型的朋友来说几乎是必看资料。另外，它的代码附带质量很高，很多分析脚本直接就是一篇完整的 R Markdown 文档，学起来非常顺手。

关于版权和团队

FiveThirtyEight 由著名统计学家 Nate Silver 于 2008 年创立，目前隶属于迪士尼旗下的 ABC 新闻。这个 GitHub 仓库的数据多数采用 MIT 许可证或知识共享协议，允许用于商业用途，但建议在使用政治民调数据时注明来源为 FiveThirtyEight。注意：由于 ABC News 在 2023 年进行了内部架构调整，部分体育板块的更新在 2023 年后有所中断，但历史存档数据依然齐全且宝贵。团队信息基本公开，Nate Silver 本人因多次精准预测美国总统大选结果而闻名全球，这个仓库也体现了他们“展示所有工作”的数据透明承诺。