COVID19推文数据集
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。
基本信息
资源简介
COVID19推文数据集
【数据集背景】
本数据集源站标题为《lopezbec/COVID19_Tweets_Dataset》。源站首次发布：2021-07-15。
【数据内容】
源站原始描述：This dataset contains all the COVID-19 related data from the paper "An Augmented Multilingual Twitter Dataset for Studying the COVID-19 Infodemic" - This repo only contatins the data and statistics for 2022.For the data of: - - 2020 please visit: - - 2021 please visit: - Data Organization - Data Statistics - General Statistics - Language Statistics - English Sentiment Analaysis - English Named Entity Recognition, Mentions, and Hashtags - Spanish Sentiment Analaysis - Spanish Named Entity Recogni…
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://github.com/lopezbec/COVID19_Tweets_Dataset
【使用注意】
· 源站最后修改于 2026-09-11，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
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
- <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=“#general-statistics” id=“toc-general-statistics”>General
- <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=“#using-our-twarc-notebook”
- <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))
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。
