{ "cells": [ { "cell_type": "markdown", "source": [ "# Provocare: Analiza textului despre Știința datelor\n", "\n", "În acest exemplu, să facem un exercițiu simplu care acoperă toți pașii unui proces tradițional de știință a datelor. Nu trebuie să scrii cod, poți doar să dai clic pe celulele de mai jos pentru a le executa și a observa rezultatul. Ca provocare, ești încurajat să încerci acest cod cu date diferite.\n", "\n", "## Scop\n", "\n", "În această lecție, am discutat diverse concepte legate de Știința datelor. Să încercăm să descoperim mai multe concepte conexe prin efectuarea unei **extragere de text**. Vom începe cu un text despre Știința datelor, vom extrage cuvinte-cheie din acesta, și apoi vom încerca să vizualizăm rezultatul.\n", "\n", "Ca text, voi folosi pagina despre Știința datelor de pe Wikipedia:\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: Obținerea datelor\n", "\n", "Primul pas în orice proces de știință a datelor este obținerea datelor. Vom folosi biblioteca `requests` pentru a face acest lucru:\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", "