{
"cells": [
{
"cell_type": "markdown",
"source": [
"# 挑戰：分析關於資料科學的文本\n",
"\n",
"在此範例中，我們來做一個涵蓋傳統資料科學流程所有步驟的簡單練習。你不必撰寫任何程式碼，只需點擊下面的儲存格來執行並觀察結果。作為挑戰，你可以嘗試使用不同的資料來執行這段程式碼。\n",
"\n",
"## 目標\n",
"\n",
"在本課程中，我們已經討論了與資料科學相關的不同概念。讓我們透過進行**文字探勘**來試著發掘更多相關概念。我們將從一段關於資料科學的文本開始，從中擷取關鍵字，然後嘗試將結果視覺化。\n",
"\n",
"作為文本，我將使用維基百科上的資料科學頁面：\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: 獲取資料\n",
"\n",
"每個資料科學流程的第一步是獲取資料。我們將使用 `requests` 函式庫來完成這個步驟：\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",
"