VPRS 17797 细菌和病毒编码卡片

Name: VPRS 17797 细菌和病毒编码卡片
Creator: Public Record Office Victoria

1980-1989年Fairfield传染病医院病菌与病毒病例编码卡片数据集，含诊断、患者信息及病因等结构化记录。

Public Record Office Victoria

Research Data Australia

表格HISTORICAL STUDIESHISTORY AND ARCHAEOLOGY

VPRS 17797 Bacteria and Virus Coding Cards

基本信息

模态

表格

创建/更新时间

2026-10-08

资源简介

VPRS 17797 细菌和病毒编码卡片

【一句话概览】

本数据集是 Research Data Australia 公开的结构化表格数据集，主题涵盖 HISTORICAL STUDIES、HISTORY AND ARCHAEOLOGY，可用于统计建模、特征工程与队列分析。

【数据集背景】

本数据集源站标题为《VPRS 17797 Bacteria and Virus Coding Cards》。源站首次发布：2017-12-04。

【数据内容】

源站原始描述：This series contains cards which record instances of bacteria and virus, reported to Fairfield Infectious Diseases Hospital (VA 1231), over the period 1980-1989.Each instance of a disease reported was recorded on the appropriate card, including the following information:- Code number- Diagnosis- Hospital number- Sex- Age- Result- Site- Etiology- Miscellaneous (any additional information recorded about the individual case)- Associated diseases- Admission date- Name (of patient)

【主题与分类】

主题标签：HISTORICAL STUDIES、HISTORY AND ARCHAEOLOGY。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面：https://researchdata.edu.au/vprs-17797-bacteria-coding-cards/992899

原始链接

https://researchdata.edu.au/vprs-17797-bacteria-coding-cards/992899

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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://researchdata.edu.au/vprs-17797-bacteria-coding-cards/992899

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。

数据加载示例（表格/文本类）

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))