{ "cells": [ { "cell_type": "markdown", "source": [ "# چیلنج: ڈیٹا سائنس کے بارے میں متن کا تجزیہ\n", "\n", "اس مثال میں، آئیں ایک سادہ مشق کرتے ہیں جو روایتی ڈیٹا سائنس کے عمل کے تمام مراحل کو شامل کرتا ہے۔ آپ کو کوڈ لکھنے کی ضرورت نہیں ہے، آپ نیچے دیے گئے خلیات پر کلک کر کے ان کو چلائیں اور نتیجہ دیکھیں۔ ایک چیلنج کے طور پر، آپ کو ترغیب دی جاتی ہے کہ اس کوڈ کو مختلف ڈیٹا کے ساتھ آزما کر دیکھیں۔ \n", "\n", "## مقصد\n", "\n", "اس سبق میں، ہم نے ڈیٹا سائنس سے متعلق مختلف تصورات پر بات کی ہے۔ آئیں کچھ اور متعلقہ تصورات دریافت کرنے کی کوشش کریں **ٹیکسٹ مائننگ** کر کے۔ ہم ڈیٹا سائنس کے بارے میں ایک متن سے شروع کریں گے، اس سے کلیدی الفاظ نکالیں گے، اور پھر نتیجہ کو بصری شکل میں پیش کرنے کی کوشش کریں گے۔\n", "\n", "ایک متن کے طور پر، میں ویکیپیڈیا کے صفحہ ڈیٹا سائنس کا استعمال کروں گا:\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: ڈیٹا حاصل کرنا\n", "\n", "ہر ڈیٹا سائنس کے عمل کا پہلا قدم ڈیٹا حاصل کرنا ہے۔ ہم اس کے لیے `requests` لائبریری استعمال کریں گے:\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", "