COVID19推文数据集

Name: COVID19推文数据集
Creator: lopezbec

包含自2020年1月至2022年12月期间约30亿条与COVID-19相关的推文文本数据集，用于舆情和情感分析。

lopezbec

GitHub

2024-05-12 更新

文本COVID-19文本

基本信息

模态

文本

创建/更新时间

2024-05-12

资源简介

该数据集包含自2020年1月22日至2022年12月31日期间与新冠病毒COVID-19相关的推文数据，共收集了约30亿条推文，数据模态为文本，可用于舆情分析、情感分析等任务。

原始链接

https://github.com/lopezbec/COVID19_Tweets_Dataset

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

git clone https://github.com/lopezbec/COVID19_Tweets_Dataset.git

curl -L -o repo.zip https://github.com/lopezbec/COVID19_Tweets_Dataset/archive/refs/heads/main.zip
unzip repo.zip

源站 README 摘录（使用方式）

<a
href=“#this-repo-only-contatins-the-data-and-statistics-for-2022.for-the-data-of”
id=“toc-this-repo-only-contatins-the-data-and-statistics-for-2022.for-the-data-of”>This
repo only contatins the data and statistics for 2022.For the data
of:</a>
- <a
  href=“#please-visithttpsgithub.comlopezbeccovid19_tweets_dataset_2020”
  id=“toc-please-visithttpsgithub.comlopezbeccovid19_tweets_dataset_2020”>-
  2020 please
  visit:<span>https://github.com/lopezbec/COVID19_Tweets_Dataset_2020</span></a>
- <a
  href=“#please-visithttpsgithub.comlopezbeccovid19_tweets_dataset_2021”
  id=“toc-please-visithttpsgithub.comlopezbeccovid19_tweets_dataset_2021”>-
  2021 please
  visit:<span>https://github.com/lopezbec/COVID19_Tweets_Dataset_2021</span></a>
<a href=“#data-organization” id=“toc-data-organization”>Data
Organization</a>
<a href=“#data-statistics” id=“toc-data-statistics”>Data Statistics</a>
- <a href=“#general-statistics” id=“toc-general-statistics”>General
  Statistics</a>
- <a href=“#language-statistics” id=“toc-language-statistics”>Language
  Statistics</a>
- <a href=“#english-sentiment-analaysis”
  id=“toc-english-sentiment-analaysis”>English Sentiment Analaysis</a>
- <a href=“#english-named-entity-recognition-mentions-and-hashtags”
  id=“toc-english-named-entity-recognition-mentions-and-hashtags”>English
  Named Entity Recognition, Mentions, and Hashtags</a>
- <a href=“#spanish-sentiment-analaysis”
  id=“toc-spanish-sentiment-analaysis”>Spanish Sentiment Analaysis</a>
- <a href=“#spanish-named-entity-recognition”
  id=“toc-spanish-named-entity-recognition”>Spanish Named Entity
  Recognition</a>
- <a href=“#data-collection-process-inconsistencies”
  id=“toc-data-collection-process-inconsistencies”>Data Collection Process
  Inconsistencies</a>
<a href=“#hydrating-tweets” id=“toc-hydrating-tweets”>Hydrating
Tweets</a>
- <a href=“#using-our-twarc-notebook”
  id=“toc-using-our-twarc-notebook”>Using our TWARC Notebook</a>
  - <a href=“#using-hydrator” id=“toc-using-hydrator”>Using Hydrator</a>
  - <a href=“#using-twarc” id=“toc-using-twarc”>Using Twarc</a>
<a href=“#inquiries-requests” id=“toc-inquiries-requests”>Inquiries
& Reque

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))