墨西哥COVID-19语料库
墨西哥每日COVID-19速记语料库，涵盖2020年2月至2021年2月，由官方提供，每周更新。
基本信息
资源简介
该数据集包含墨西哥卫生部副部长Hugo López-Gatell提供的每日关于COVID-19的速记版本语料库，文档以发布日期命名，覆盖2020年2月至2021年2月，每周一更新，可用于冠状病毒疫情相关文本分析。
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/jormtz/covid19mx-corpus.git
curl -L -o repo.zip https://github.com/jormtz/covid19mx-corpus/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
covid19mx-corpus
Corpus con las versiones estenográficas de los informes diarios sobre coronavirus COVID-19 en México presentados por Hugo López-Gatell, disponibles en el sitio de la Presidencia de la República (https://www.gob.mx/presidencia).
Detalles
A cada versión estenográfica le corresponde un documento de texto que tiene por nombre la fecha de su publicación en el sitio de la Presidencia de la República (eg. 2020-02-28.txt). De momento, no se han eliminado las alusiones a los interlocutores (eg. HUGO LÓPEZ-GATELL RAMÍREZ, SUBSECRETARIO DE PREVENCIÓN Y PROMOCIÓN DE LA SALUD), aunque por su formato debería ser posible identificarlas y/o eliminarlas fácilmente con expresiones regulares. El corpus se actualiza regularmente los días lunes y contiene las informes presentados entre los meses de febrero de 2020 y febrero de 2021.
Este corpus se creó con el lenguaje de programación R y la ayuda de los paquetes tidyverse, selectr, xml2 y rvest. El código utilizado para armarlo está disponible en el archivo scraper.R. La lista completa de las direcciones URL utilizadas se encuentra en el archivo urls_informes.txt.
El sitio de la Presidencia de la República comparte su contenido públicamente, a menos de que se indique lo contrario (cf. https://www.gob.mx/terminos). Los contenidos de este repositorio se distribuyen bajo la licencia Creative Commons CC BY 4.0.
¿Quieres explorar el corpus sin necesidad de programar? Prueba con Voyant Tools o AntConc.
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))
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 新型冠状病毒肺炎 的高质量、多模态真实临床数据定制解决方案。
