数据集 | ChinaDaily 新闻数据集(2008 ~ 2024)

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」。

import pandas as pd

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

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'))

起:  2008-10-24
止:  2024-06-29

for col in df.columns:
    print(col)

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

df['lang'].value_counts()

lang
english    697241
chinese    150613

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)
)

[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.