一、「China Daily」概况

数据来源: chinadaily.com
覆盖日期: 2008-10-24 ~ 2024-06-29
所含字段:  date, title, content, source, link, img, lang
记录条数: 847854
     - 英文  697241
     - 中文  150613  
  
文件格式: csv
文件大小: 2648M

科研用途; 如有问题, 加微信 372335839, 备注「姓名-学校-专业-chinadaily」。



二、查看数据

2.1 读取数据

import pandas as pd

df = pd.read_csv('ChinaDaily.csv')
df


2.2 覆盖日期

df['date'] = pd.to_datetime(df['date'], errors='coerce')

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

Run

起:  2008-10-24
止:  2024-06-29

2.3 所含字段

for col in df.columns:
    print(col)

Run

date #日期
title #标题
content #新闻内容
source  #来源
link  #新闻链接
img  #新闻首图链接
lang #语言chinese、english

2.4 语言

China Daily是双语网站, 数据集中大多为英文新闻,也含少量中文内容。 中英文新闻的记录数

df['lang'].value_counts()

Run

lang
english    697241
chinese    150613

2.5 月度发文量

months = []
for date, month_df in df.groupby(pd.Grouper(key='date', freq='M')):
    #print(date)
    months.append((date, len(month_df)))
data = pd.DataFrame(months)
data.columns = ['date', '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') 

date_breaks = [d.strftime('%Y-%m') for d in pd.date_range(start = data['date'].min(), 
                                                          end = data['date'].max(), 
                                                          freq = '12M')]

date_labels = [d[:4] for d in date_breaks]


(
    ggplot(data,  aes(x='date', y='count'))
    +geom_point()
    +geom_line()
    +theme(figure_size=(10, 6),
           text = element_text(family = font_prop.get_name()), 
           plot_title = element_text(family = font_prop.get_name(), size=12)
          )
    +labs(title='China Daily月度发文量(2008.10 ~ 2024.06)',
          x = '月度', 
          y = '发文量')
    +scale_x_datetime(breaks=date_breaks, labels = date_labels)
)


注意

如Excel打开csv乱码, 请百度搜【在 Excel 中正确打开 CSV UTF-8 文件】



三、数据用途

新闻数据集 可提取丰富的指标,包括但不限于 经济政策不确定性指数环境政策不确定性媒体关注度指数文本相似度情感分析。此外, 可训练词向量,开发新的概念词典。数据带时间, 参照前面指标, 依主体、日期、指标进行计算, 可构造面板数据,构建新的指标指数。因此在经济学、管理学、新闻传播学、公共管理、社会学等领域均有较高的研究价值。

相关参考文献

[1]洪永淼,刘俸奇,薛涧坡.政府与市场心理因素的经济影响及其测度[J].管理世界,2023,39(03):30-51.
[2]刘景江,郑畅然,洪永淼.机器学习如何赋能管理学研究?——国内外前沿综述和未来展望[J].管理世界,2023,39(09):191-216.
[3]张一帆,林建浩,樊嘉诚.新闻文本大数据与消费增速实时预测——基于叙事经济学的视角[J].金融研究,2023,(05):152-169.
[4]Huang, Yun, and Paul Luk. "Measuring economic policy uncertainty in China." China Economic Review 59 (2020): 101367
[5]欧阳资生,陈世丽,杨希特,刘凤根,周学伟.经济政策不确定性、网络舆情与金融机构系统性风险[J].管理科学学报,2023,26(04):62-86.
[6]逯东,宋昕倍.媒体报道、上市公司年报可读性与融资约束[J].管理科学学报,2021,24(12):45-61.
[7]彭涛,黄福广,孙凌霞.经济政策不确定性与风险承担:基于风险投资的证据[J].管理科学学报,2021,24(03):98-114.
[8]庞锐.采纳与内化:多重制度压力如何影响河长制创新扩散——基于省级政府的定向配对事件史分析[J].公共管理学报,2023,20(02):25-37+165-166.


四、相关内容



精选内容