{ "cells": [ { "cell_type": "markdown", "source": [ "# ചലഞ്ച്: ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള വാചകം വിശകലനം ചെയ്യൽ\n", "\n", "ഈ ഉദാഹരണത്തിൽ, പരമ്പരാഗത ഡാറ്റാ സയൻസ് പ്രക്രിയയിലെ എല്ലാ ഘട്ടങ്ങളും ഉൾക്കൊള്ളുന്ന ഒരു ലളിതമായ വ്യായാമം ചെയ്യാം. നിങ്ങൾക്ക് കോഡ് എഴുതേണ്ടതില്ല, താഴെയുള്ള സെല്ലുകൾ ക്ലിക്ക് ചെയ്ത് അവ പ്രവർത്തിപ്പിച്ച് ഫലം കാണാം. ഒരു ചലഞ്ചായി, വ്യത്യസ്ത ഡാറ്റ ഉപയോഗിച്ച് ഈ കോഡ് പരീക്ഷിക്കാൻ നിങ്ങൾ പ്രേരിപ്പിക്കപ്പെടുന്നു.\n", "\n", "## ലക്ഷ്യം\n", "\n", "ഈ പാഠത്തിൽ, ഡാറ്റാ സയൻസുമായി ബന്ധപ്പെട്ട വിവിധ ആശയങ്ങളെക്കുറിച്ച് ഞങ്ങൾ ചർച്ച ചെയ്തു. **ടെക്സ്റ്റ് മൈനിംഗ്** ചെയ്യുന്നതിലൂടെ കൂടുതൽ ബന്ധപ്പെട്ട ആശയങ്ങൾ കണ്ടെത്താൻ ശ്രമിക്കാം. ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള ഒരു വാചകത്തോടെ തുടങ്ങും, അതിൽ നിന്നു കീ-വാക്കുകൾ എടുക്കും, പിന്നെ ഫലം ദൃശ്യവൽക്കരിക്കാൻ ശ്രമിക്കും.\n", "\n", "ഒരു വാചകമായി, ഞാൻ വിക്കിപീഡിയയിലെ ഡാറ്റാ സയൻസ് പേജ് ഉപയോഗിക്കും:\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: ഡാറ്റ നേടൽ\n", "\n", "ഓരോ ഡാറ്റ സയൻസ് പ്രക്രിയയിലും ആദ്യപടി ഡാറ്റ നേടലാണ്. അതിനായി നാം `requests` ലൈബ്രറി ഉപയോഗിക്കും:\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", "