York University 学生穿孔与食物过敏数据集
该数据集来自 York University，记录 Ecology 2050 实验室 25 名学生是否具有身体穿孔和食物过敏的信息
基本信息
资源简介
York University 学生穿孔与食物过敏数据集
York University students dataset of those with piercings and food allergies
该数据集来自 York University，记录 Ecology 2050 实验室 25 名学生是否具有身体穿孔和食物过敏的信息。数据通过口头询问收集，每名学生的回答以是/否形式记录在表格中，实验时长约 15 分钟。数据集包含 1 个文件，样例为 Laboratory 1.xlsx，由 Angela Joseph 于 2014 年 10 月 2 日发布，DOI 为 10.6084/m9.figshare.1176081.v1。该数据可用于食物过敏与身体穿孔相关性的初步分析，或作为生态学入门实验教学中的数据整理与分类练习（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2014-10-02。
【数据内容】
源站描述（机器翻译，仅供参考）：方法：在 Ecology 2050 实验室中，25 名学生被口头询问是否有任何身体穿孔和食物过敏。每名学生的是/否回答被收集并写入表格。实验持续时间约为 15 分钟。
【数据结构与技术规格】
文件数 1 个，合计 9.11 KB。数据集 DOI：10.6084/m9.figshare.1176081.v1。
【主题与分类】
源站学科分类：Ecology not elsewhere classified。主题标签：York University、BIOL2050、lortie、introductory lab、ecology、LAMB2050、Ecology。本站分类：免疫系统疾病/食物过敏。
【适用方向】
源站学科分类标注为 Ecology not elsewhere classified。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/York_University_students_dataset_of_those_with_piercings_and_food_allergies/1176081
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Joseph, Angela (2014). York University students dataset of those with piercings and food allergies. figshare. Dataset
【使用注意】
· 源站最后修改于 2016-01-19，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.6084/m9.figshare.1176081.v1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 9.1 KB。
数据说明
方法：在生态学2050实验室中，对25名学生进行了口头询问，了解他们是否有身体穿孔和食物过敏的情况。每位学生的回答以“是/否”形式收集，并记录在表格中。实验持续时间大约为15分钟。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
