数据集 | 30w条「问政湖南」留言&回复数据(2010-2024)

数据集名称: 问政湖南
网站网址: https://wz.rednet.cn/#/leaveMsgList?reply=1
信息类型:  网民留言、地方机构(领导)回复
所含字段: 用户昵称、留言类型、标题、详细内容、投诉领域(子领域)、地方(省市)、地方领导、是否回复、回复机构、回复内容、回复时间等。
覆盖日期: 2010-10-28 ~ 2024-06-05
采集日期: 2024-06-05
记录条数: 302190
文件格式: csv/xlsx
文件大小: 990M

import pandas as pd

df = pd.read_csv('问政湖南.csv.gz', 
                 compression='gzip', 
                 low_memory=False)

df

for col in df.columns:
    print(f' - {col}')

 - nickname   留言者昵称
 - type_name  类型,如投诉、举报等
 - title      留言标题
 - content    留言内容
 - desc       留言内容(与content内容略微不同)
 - cate_child_name  问政主题子领域， 违规补课
 - cate_name    问政主题， 如教育、交通等
 - created_at   留言时间
 - mobile       留言设备
 - star         留言获得的点赞数
 - company      地方机构，如市政府、市委等
 - job          领导岗位， 如市委书记、市长等
 - is_reply     是否回复,  1已办理， 2办理中
 - reply_name   回复机构名，如市委办公室、
 - is_self      是否为job自己回复
 - reply_content 回复内容
 - reply_is_edit 回复内容是否编辑
 - reply_time    回复时间
 - reply_published_at 回复内容发布时间
 - done_time      完成时间
 - reply_star     回复得到的点赞数
 - reply_video    回复视频链接
 - updated        留言更新时间
 - crawl_date     数据采集日期

df['created_at'] = pd.to_datetime(df['created_at'])

print('留言日期(起): ', df['created_at'].min().strftime('%Y-%m-%d'))
print('留言日期(止): ', df['created_at'].max().strftime('%Y-%m-%d'))

留言日期(起):  2010-10-28
留言日期(止):  2024-06-05

data = pd.DataFrame(df.created_at.apply(lambda y: y[:4]).value_counts().sort_index().reset_index())
data.columns = ['year', 'count']
data

from plotnine import *
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

#文泉驿微米黑.ttf位于代码同文件夹
font_prop = FontProperties(fname='文泉驿微米黑.ttf') 

data = pd.DataFrame(df.created_at.apply(lambda y: y[:4]).value_counts().sort_index().reset_index())
data.columns = ['year', 'count']

(
    ggplot(data,  aes(x='year', y='count'))
    +geom_col()
    +geom_text(aes(label='count'), data=data, va='bottom', color='grey', size=10)
    +theme(figure_size=(10, 6),
           text = element_text(family = font_prop.get_name()), 
           plot_title = element_text(family = font_prop.get_name(), size=14)
          )
    +labs(title='问政湖南留言回复量(2010-2024.6)',
          x = '年度', 
          y = '回复量')
)

df['cate_name'].value_counts()

cate_name
住建         59316
交通运输       16812
公安         15855
教育         15781
农业农村       12883
生态环境       10996
人社          9775
城管          9596
市场监管        7464
干部          6075
其他          4685
司法          4646
自然资源        4273
卫生健康        3647
民政          3435
医疗保障        2589
水利          2352
金融          1610
通信          1594
电力          1579
财政税收        1267
物价          1099
商务           489
应急管理         247
特种设备、作业       31
烟花爆竹经营        19
安全生产和管理       10
消防救援           3
电动车违规行为        1
Name: count, dtype: int64

df['content'].fillna('').str.contains('扰民|噪音')

0         False
1         False
2         False
3         False
4         False
          ...  
302185    False
302186    False
302187    False
302188    False
302189     True
Name: content, Length: 302190, dtype: bool

df['content'].fillna('').str.contains('扰民|噪音').sum()

13292

df['content'].fillna('').str.contains('扰民|噪音').sum()/len(df)

0.04398557199113141

[1]郑石明, 兰雨潇, 黎枫. 网络公共舆论与政府回应的互动逻辑——基于新冠肺炎疫情期间“领导留言板”的数据分析[J]. 公共管理学报, 2021, 18 (03): 24-37+169.
王磊,易扬.公共卫生危机中的数字政府回应如何纾解网络负面舆情——基于人民网“领导留言板”回复情况的调查[J].公共管理学报,2022,19(04):65-78+169.

[2]Lu, Liangdong, Jia Xu, and Jiuchang Wei. "Understanding the effects of the textual complexity on government communication: Insights from China’s online public service platform." Telematics and Informatics 83 (2023): 102028.
...