{
"cells": [
{
"cell_type": "markdown",
"source": [
"# 挑戰：分析關於資料科學的文字\n",
"\n",
"> *在本筆記本中，我們嘗試使用不同的 URL - Wikipedia 上關於機器學習的文章。你可以看到，與資料科學不同，這篇文章包含很多術語，這使得分析變得更具挑戰性。我們需要在進行關鍵字擷取之後，想出另一種方法來清理資料，以去除一些常見但沒有意義的詞組。*\n",
"\n",
"在這個範例中，讓我們做一個涵蓋傳統資料科學流程所有步驟的簡單練習。你不需要撰寫任何程式碼，只需點擊下面的儲存格來執行它們並觀察結果。作為挑戰，鼓勵你嘗試使用不同的資料來執行這段程式碼。\n",
"\n",
"## 目標\n",
"\n",
"在這堂課中，我們一直在討論與資料科學相關的不同概念。讓我們透過進行一些**文字探勘**來嘗試發現更多相關概念。我們將從一段關於資料科學的文字開始，擷取關鍵字，然後嘗試將結果視覺化。\n",
"\n",
"作為文字內容，我將使用維基百科上關於資料科學的頁面：\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: 取得資料\n",
"\n",
"每個資料科學流程的第一步都是取得資料。我們將使用 `requests` 函式庫來完成這個工作：\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",
"