{
"cells": [
{
"cell_type": "markdown",
"source": [
"# 挑戰：分析有關數據科學的文本\n",
"\n",
"> *在這個筆記本中，我們嘗試使用不同的 URL - 維基百科關於機器學習的文章。你可以看到，與數據科學不同，這篇文章包含了許多術語，這使得分析更具挑戰性。我們需要在執行關鍵詞提取後，想出另一種方法來清理數據，以剔除一些頻繁出現但沒有意義的詞組。*\n",
"\n",
"在這個範例中，讓我們進行一個涵蓋傳統數據科學流程所有步驟的簡單練習。你不需要編寫任何代碼，只需點擊下面的儲存格執行它們並觀察結果。作為挑戰，建議你嘗試用不同的數據來運行這段代碼。\n",
"\n",
"## 目標\n",
"\n",
"在本課程中，我們已經討論了與數據科學相關的不同概念。讓我們通過進行一些**文本挖掘**來嘗試發現更多相關的概念。我們將從一段關於數據科學的文本開始，從中提取關鍵詞，然後嘗試視覺化結果。\n",
"\n",
"作為文本，我將使用維基百科上關於數據科學的頁面：\n"
],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 2,
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'\r\n",
"url = 'https://en.wikipedia.org/wiki/Machine_learning'"
],
"outputs": [],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [
"## Step 1: 獲取數據\n",
"\n",
"每個數據科學流程的第一步是獲取數據。我們將使用 `requests` 庫來完成這個步驟：\n"
],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 3,
"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",
"Machine learning - Wikipedia\n",
"