数据集(英文）| USA Today新闻数据集(2012~2024)

大邓大邓和他的Python

2024-09-10

Tips: 公众号推送后内容只能更改一次，且只能改20字符。如果内容出问题，或者想更新内容，只能重复推送。为了更好的阅读体验，建议阅读本文博客版，链接地址

https://textdata.cn/blog/2024-06-22-usa_today_daily-news-dataset/

今日分享一个数据集「今日美国USA Today」，国内任何人都可正常访问

一、USA Today数据集

1.1 概况

数据集:  USA Today
数据源:  https://www.usatoday.com/
记录数:  497429
覆盖日期: 2012-09-20 ~2024-06-18 
数据格式: CSV
数据体积: 3033 M
所含字段: date、title、content、author_link、publisher、link

1.2 数据用途

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。

1.3 获取USA Today数据

USA Today数据集 500 元，科研用途，支持开票。
支持开票，需要的请加微信372335839，备注【姓名-学校-专业-news】

二、查看数据

2.1 读取数据

import pandas as pd

df = pd.read_csv('USA_Today.csv.gz', compression='gzip')
df.head()

2.2 所含字段

df.columns

Run

Index(['date', 'title', 'content', 'author_link', 'publisher', 'link'], dtype='object')

2.3 查看记录数

print('记录数：', len(df))

Run

记录数：497429

2.4 覆盖日期

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

print('起:  ', df['date'].min())
print('止:  ', df['date'].max())

Run

起:   2012-09-20 19:06:00
止:   2024-06-18 19:56:00

2.5 数据体积

size = sum(df.memory_usage(deep=True)/1024/1024)
print(f'数据体积 {size:.2f} M')

Run

数据体积 3033.59 M

三、获取USA Today数据

USA Today数据集 500 元，支持开票。
支持开票，需要的请加微信372335839，备注【姓名-学校-专业-news】

数据是虚拟产品，一经售出，不再退还！

更多数据集，请查看 LIST | 可供社科(经管)领域使用的数据集汇总

四、「待采集-海外媒体清单」

计划采集如下媒体数据，整理成一个「海外媒体数据集」。

## 知名通讯社
- [] 法新社(法国)   https://www.afp.com/en
- [] 美联社(美国)   https://apnews.com/
- [] 塔斯社(俄罗斯)  https://tass.com/

## 其他新闻媒体
- [] 福克斯(美国)    https://www.foxnews.com/
- [] CNN(美国)      https://www.cnn.com/
- [] ABC新闻(美国)  https://abcnews.go.com/
- [x] 今日美国      https://www.usatoday.com/
- [x] CBS  https://www.cbsnews.com/


## 各领域网站
- [x] https://www.entrepreneur.com/latest
- [] https://www.bloomberg.com/
- [] https://www.morningbrew.com/daily
- [] https://www.digitaljournal.com/
- [] https://www.businessinsider.com/



## 国外中文
- [] 联合早报(新加坡)  https://www.zaobao.com/