Data science - Wikipedia

{ "cells": [ { "cell_type": "markdown", "source": [ "# चुनौती: डेटा विज्ञान सम्बन्धी पाठ्य विश्लेषण\n", "\n", "यस उदाहरणमा, हामीले परम्परागत डेटा विज्ञान प्रक्रिया का सबै चरणहरू समेट्ने एउटा सरल अभ्यास गर्नेछौं। तपाईंले कुनै पनि कोड लेख्न आवश्यक छैन, तपाईंले तलका सेलहरूमा क्लिक गरेर ती कार्यहरू सक्रिय गर्न सक्नुहुन्छ र परिणाम अवलोकन गर्न सक्नुहुन्छ। चुनौतीको रूपमा, तपाईंलाई यो कोड फरक डेटा संग प्रयास गर्न प्रोत्साहित गरिन्छ।\n", "\n", "## लक्ष्य\n", "\n", "यस पाठमा, हामीले डेटा विज्ञानसँग सम्बन्धित विभिन्न अवधारणाहरूको छलफल गरिरहेका छौँ। आउनुहोस्, हामी केही **पाठ उत्खनन** गरेर थप सम्बन्धित अवधारणाहरू पत्ता लगाउने प्रयास गरौं। हामी डेटा विज्ञान सम्बन्धी एउटा पाठबाट सुरु गर्नेछौं, त्यसबाट कुञ्जीशब्दहरू निकाली त्यसपछि परिणामलाई दृश्यात्मक बनाउने प्रयास गर्नेछौं।\n", "\n", "पाठको रूपमा, म विकिपिडियाबाट डेटा विज्ञान पेज प्रयोग गर्नेछु:\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 62, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## Step 1: डाटा प्राप्त गर्दै\n", "\n", "हरेक डाटा विज्ञान प्रक्रियाको पहिलो चरण भनेको डाटा प्राप्त गर्नु हो। हामीले त्यसका लागि `requests` लाइब्रेरी प्रयोग गर्नेछौं:\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 63, "source": [ "import requests\r\n", "\r\n", "text = requests.get(url).content.decode('utf-8')\r\n", "print(text[:1000])" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "\n", "\n", "\n", "Data science - Wikipedia\n", "